Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Manuel Morales
Asignatura: Estadística I
Unidad III: Variables Aleatorias y sus Distribuciones.
Tema 2: Valor Esperado o Esperanza Matemática.
∞
𝑏) 𝐸[𝑋] = 𝜇 = ∫ (𝑥)(𝑓(𝑥)) 𝑑𝑥 𝑠𝑖 𝑋 𝑒𝑠 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎
−∞
Propiedades:
∞
4) 𝐸[𝑔(𝑥)] = ∫ 𝑔(𝑥) 𝑓(𝑥) 𝑑𝑥 𝑠𝑖 𝑋 𝑒𝑠 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎
−∞
Ejemplo 1:
Se sabe que un grupo de 4 componentes contiene 2 defectuosos, un inspector prueba las
componentes una a una, hasta encontrar las dos defectuosas, una vez encontrado el
segundo componente defectuoso concluye la prueba. Si X es el número de pruebas
necesarias hasta encontrar el segundo defectuoso:
a) Encontrar la distribución de probabilidad.
b) Encuentre la función acumulada.
c) Si el costo de prueba de un componente es de $2.0 (dólares), y el costo de
reparación de un defectuoso es $4.0, encuentre el costo total esperado.
Solución:
Sea X: el número de pruebas necesarias hasta hallar el segundo componente defectuoso.
Todas las posibilidades en la revisión de las componentes se presentan en el espacio
muestral: 𝑆 = {(𝐷, 𝐷), (𝐵, 𝐷, 𝐷)(𝐷, 𝐵, 𝐷)(𝐷, 𝐵, 𝐵, 𝐷)(𝐵, 𝐷, 𝐵, 𝐷)(𝐵, 𝐵, 𝐷, 𝐷)}; cada resultado en
los arreglos representa una revisión la cual puede resultar en D: defectuoso o B: bueno;
entonces:
a)
2 1 1
Pr(𝑥 = 2) = 𝑃𝑟(𝐷, 𝐷) = ( ) ( ) =
4 3 6
Es decir que la probabilidad de que sean necesarios solo dos revisiones (las dos primeras)
es de 1/6.
Estadística I Ing. Agrícola Msc. Manuel Morales
2 2 1 1
Pr(𝑥 = 3) = 2 𝑃𝑟(𝐵, 𝐷, 𝐷) = 2 ( ) ( ) ( ) =
4 3 2 3
Esto significa que la probabilidad de que sean necesarias tres revisiones (𝐵, 𝐷, 𝐷)(𝐷, 𝐵, 𝐷)
son exactamente las mismas, por tal razón se multiplica por dos, y es igual a 1/3.
2 1 2 1
Pr(𝑥 = 4) = 3 𝑃𝑟(𝐵, 𝐵, 𝐷, 𝐷) = 3 ( ) ( ) ( ) (1) =
4 3 2 2
Esto significa que la probabilidad de que sean necesarias cuatro revisiones
(𝐷, 𝐵, 𝐵, 𝐷)(𝐵, 𝐷, 𝐵, 𝐷)(𝐵, 𝐵, 𝐷, 𝐷) son exactamente las mismas, por tal razón se multiplica
por tres, y es igual a 1/2.
De aquí que la f.p.; debe ser:
X 2 3 4
f(x) 1/6 1/3 1/2
b)
0 𝑠𝑖 𝑥 < 2
1
𝑠𝑖 2 ≤ 𝑥 < 3
𝐹(𝑥) = 6
1
𝑠𝑖 3 ≤ 𝑥 < 4
2
{1 𝑠𝑖 𝑥 ≥ 4
c)
la función: 𝑔(𝑥) = 2[𝑋] + 8; entonces 𝐸[𝑔(𝑥)] = 2(𝐸[𝑋]) + 8
pero
1 1 1 10
𝐸[𝑋] = 2 (6) + 3 (3) + 4 (2) = = 3.3333
3
Por tanto
44
𝐸[𝑔(𝑥)] = 2(3.3333) + 8 = = $14.67
3
Ejemplo 2:
El número de clientes que solicitan en una tienda cierto artículo diariamente, tiene
comportamiento probabilístico como se muestra:
0 𝑠𝑖 𝑥 < 0
0.0102 𝑠𝑖 0 ≤ 𝑥 < 1
0.0870 𝑠𝑖 1 ≤ 𝑥 < 2
𝐹(𝑥) = 0.3174 𝑠𝑖 2 ≤ 𝑥 < 3
0.6630 𝑠𝑖 3 ≤ 𝑥 < 4
0.9222 𝑠𝑖 4 ≤ 𝑥 < 5
{ 1 𝑠𝑖 𝑥 ≥ 5
a) Encuentre el valor esperado de la variable aleatoria X.
b) Calcular Pr(0 ≤ 𝑥 ≤ 2) , Pr(1 < 𝑥 ≤ 4) , Pr(𝑥 ≥ 3) 𝑦 Pr(𝑥 ≤ 2 ∖ 𝑥 ≤ 4)
Solución:
Para calcular el valor esperado de la variable aleatoria necesitamos calcular las
probabilidades individuales, en este caso, se obtienen a partir de la F(x) (función de
probabilidad acumulada); procedemos a calcular por diferencias:
Estadística I Ing. Agrícola Msc. Manuel Morales
despejamos
Pr(𝐴 ∩ 𝐵) = 0.4 + 0.5 − 0.8 = 0.1, es decir que el 10% de los pozos tienen ambas
bacterias.
Si plasmamos estos resultados en un diagrama de Venn, resulta más fácil establecer la f(X)
y la distribución acumulada F(X).
A B
0.20
0 𝑠𝑖 𝑥 < 0
𝐹(𝑋) = {0.2 𝑠𝑖 0 ≤ 𝑥 < 1
0.9 𝑠𝑖 1 ≤ 𝑥 < 0
1 𝑠𝑖 𝑥 ≥ 1
Si fuera
∞ ∞
𝜇𝑔(𝑥,𝑦) = 𝐸[𝑔(𝑥, 𝑦)] = ∫ ∫ 𝑔(𝑥, 𝑦) ∙ 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 𝑠𝑖 𝑥, 𝑦 𝑠𝑜𝑛 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎𝑠
−∞ −∞
Ejemplo 4:
Sean X, Y las variables aleatorias discretas cuya función de probabilidad conjunta es la que
se muestra; a) encuentre 𝐸[𝑔(𝑥, 𝑦)] si g(x,y) = x y2; b) encuentre 𝜇𝑥 , 𝜇𝑦 .
X
𝑓(𝑥, 𝑦) 2 4
1 0.10 0.15
y 2 0.20 0.30
3 0.10 0.15
16
𝐸[𝑋] = (2 × 0.40) + (4 × 0.60) = = 3.2
5
Ejemplo 5:
Dos variables aleatorias tienen la siguiente función de densidad conjunta:
𝑘(𝑥 2 + 𝑦 2 ) 𝑝𝑎𝑟𝑎 0 ≤ 𝑥 ≤ 2, 1 ≤ 𝑦 ≤ 4
𝑓(𝑥, 𝑦) = {
0 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜(𝑒. 𝑐. 𝑜. 𝑐.
a) Encuentre el valor de k
b) Determine 𝐸[𝑔(𝑥, 𝑦)] si g(x, y) = x2y
2
4 2
2 2)
4
𝑥3 2
4
8 2
8 2 3 4
𝑎) 𝑘 ∫ ∫ (𝑥 + 𝑦 𝑑𝑥𝑑𝑦 = 𝑘 ∫ [ + 𝑥𝑦 ] 𝑑𝑦 = 𝑘 ∫ [ + 2𝑦 ] 𝑑𝑦 = 𝑘 [ 𝑦 + 𝑦 ]
1 0 1 3 0 1 3 3 3 1
1
= 𝑘[50] = 1 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑘 =
50
Estadística I Ing. Agrícola Msc. Manuel Morales
4 2
1 2 1 4 2 4
𝑏) 𝐸[𝑔(𝑥, 𝑦)] = 𝐸[𝑥 2 𝑦] ∫ ∫ (𝑥 𝑦)(𝑥 2 + 𝑦 2 )𝑑𝑥𝑑𝑦 = ∫ ∫ [𝑥 𝑦 + 𝑥 2 𝑦 3 ]𝑑𝑥𝑑𝑦
1 0 50 50 1 0
4 2 4
1 𝑥 𝑦 𝑥3𝑦3 5
1 4 32𝑦 8𝑦 3 1 31 2 2𝑦 4
= ∫ [ + ] 𝑑𝑦 = ∫ [ + ] 𝑑𝑦 = [ 𝑦 + ]
50 1 5 3 0 50 1 5 3 50 10 3 1
1 109
= (218) = = 4.36
50 25
Definición: Covarianza
La covarianza de dos variables aleatorias X, Y con medias 𝜇𝑥 , 𝜇𝑦 respectivamente, está
dado por:
𝜎𝑥𝑦 = 𝐸[𝑥𝑦] − (𝜇𝑥 ∙ 𝜇𝑦 )
∞ ∞
𝜎𝑥𝑦 = 𝐸[(𝑋 − 𝜇𝑥 )(𝑌 − 𝜇𝑦 )] = ∫ ∫ [(𝑋 − 𝜇𝑥 )(𝑌 − 𝜇𝑦 )]𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 𝑠𝑖 𝑥, 𝑦 𝑠𝑜𝑛 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎𝑠
−∞ −∞
Ejemplo 6:
Sean X, Y variables aleatorias discretas f(x, y) cuya conjunta es:
𝑓(𝑥, 𝑦) X
0 1 2
0 3 9 3
28 28 28
Y 1 6 6 0
28 28
2 1 0 0
28
Encuentre la covarianza de X, Y
10 15 3 3
𝜇𝑥 = 𝐸[𝑋] = (0 × ) + (1 × ) + (3 × ) =
28 28 28 4
Estadística I Ing. Agrícola Msc. Manuel Morales
15 12 1 1
𝜇𝑦 = 𝐸[𝑌] = (0 × ) + (1 × ) + (3 × ) =
28 28 28 2
Entonces…
3 6 1 9 6
𝐸[𝑥, 𝑦] = [(0 × 0) ( )] + [(0 × 1) ( )] + [(0 × 2) ( )] + [(1 × 0) ( )] + [(1 × 1) ( )]
28 28 28 28 28
3 6
+ [(2 × 0) ( )] =
28 28
6 3 1 9
𝜎𝑥,𝑦 = 𝐸[𝑥𝑦] − (𝜇𝑥 ∙ 𝜇𝑦 ) = − (( ) × ( )) = − = −0.16
28 4 2 56