En esta unidad, estudiamos medidas de tendencia central y de dispersión para variables aleatorias, así como indicadores de correlación entre las mismas.
2. 1 Definici´on de Esperanza Matem´atica
2 Funciones de Variables Aleatorias
3 Algunos temas sobre esperanza matem´atica
4 Varianza y Desviaci´on Est´andar
5 Covarianza
2
4. Para una v.a. discreta X que toma valores X1, ..., Xn, la
esperanza matem´atica se define como
E(X) =
n
j=1
xjP(X = xj) =: xP(X = x), (1.1)
o de manera equivalente
E(X) =
n
j=1
xjf(xj) =: xf(x), (1.2)
donde f(x) = P(X = x).
4
5. Para una v.a. discreta X que toma valores X1, ..., Xn, la
esperanza matem´atica se define como
E(X) =
n
j=1
xjP(X = xj) =: xP(X = x), (1.1)
o de manera equivalente
E(X) =
n
j=1
xjf(xj) =: xf(x), (1.2)
donde f(x) = P(X = x).
4
6. Como un caso especial, cuando f(x) ≡ 1
n
, obtenemos la
media aritm´etica:
E(X) =
n
i=1 xi
n
. (1.3)
5
7. Caso Discreto Numerable
En el caso en que X tome un cantidad (infinita) numerable de
valores x1, x2, ..., definimos
E(X) =
∞
i=1
xif(xi),
siempre y cuando dicha serie converja.
6
8. Caso Continuo
Para una variable aleatoria continua X que tenga funci´on de
densidad f(x), la esperanza de X se define como
E(X) =
∞
−∞
xf(x)dx (1.4)
siempre y cuando dicha integral converja.
7
9. La esperanza de X es llamada a menudo media de X y es
denotada por µx, o simplemente µ, cuando la variable
aleatoria subyacente se sobreentiende.
8
10. La media o esperanza de X da un ´unico valor que representa
el promedio de los valores de X,y por esta raz´on decimos que
es una medida de tendencia central.
9
11. La media o esperanza de X da un ´unico valor que representa
el promedio de los valores de X,y por esta raz´on decimos que
es una medida de tendencia central.
9
12. Ejemplo 1.1.
Supongamos que un juego se juega con un dado ´unico que se
suponen justos. En este juego, un jugador gana $20 si un sale
un 2; $40 con un 4; $30 con un 6; y no gana ni pierde con
cualquier otra cara. Encuentre la suma esperada de dinero que
ganar´ıa.
10
13. Ejemplo 1.2.
La funci´on de densidad de una v.a. X est´a dada por
f(x) =
1
2
x 0 < x < 2
0 en otro caso
Encuentre el valor esperado de X.
11
15. Sea X una v.a. discreta con funci´on de probabilidad f(x).
Entonces Y = g(X) es una v.a. discreta con funci´on de
probabilidad
h(y) = P(g(X) = y) =
{x|g(x)=y}
g(x)f(x) (2.1)
13
16. Entonces, en el caso discreto.
E (g(X)) =
x
g(x)f(x) (2.2)
De manera similar, en el caso continuo
E (g(X)) =
∞
−∞
g(x)f(x)dx. (2.3)
14
17. Entonces, en el caso discreto.
E (g(X)) =
x
g(x)f(x) (2.2)
De manera similar, en el caso continuo
E (g(X)) =
∞
−∞
g(x)f(x)dx. (2.3)
14
18. Ejemplo 2.1.
Si X es la v.a. del ejemplo 1.2, encuentre E (3X2
− 2X) .
15
23. Ya vimos que la espereza matem´atica de una v.a. X es una
medida de tendencia central y que generaliza a la media µ.
Observaci´on: Por esta raz´on, de aqu´ı en adelante
definiremos
µ = µX = E(X).
20
24. Ya vimos que la espereza matem´atica de una v.a. X es una
medida de tendencia central y que generaliza a la media µ.
Observaci´on: Por esta raz´on, de aqu´ı en adelante
definiremos
µ = µX = E(X).
20
25. Otra cantidad de gran importancia es la varianza que se
define como
σ2
X = Var(X) = E (X − µX)2
(4.1)
Entonces, la desviaci´on est´andar se definir´a como
σX =
√
Var X (4.2)
21
26. Otra cantidad de gran importancia es la varianza que se
define como
σ2
X = Var(X) = E (X − µX)2
(4.1)
Entonces, la desviaci´on est´andar se definir´a como
σX =
√
Var X (4.2)
21
27. Observaci´on: Si la variable aleatoria X se sobreentiende
del contexto, omitiremos el sub´ındice correspondiente, es
decir,
µ = µX, σ = σX, σ2
= σ2
X.
22
28. Observaci´on: Si la variable aleatoria X se sobreentiende
del contexto, omitiremos el sub´ındice correspondiente, es
decir,
µ = µX, σ = σX, σ2
= σ2
X.
22
29. Si X es una v.a. discreta, la varianza est´a dada por
σ2
= E (X − µ)2
= (x − µ)2
f(x), (4.3)
siempre y cuando esta suma converja.
23
30. En el caso de que todas las probabilidades sean iguales y la
v.a. X sea finita tenemos
σ2
=
(x1 − µ)2
+ ... + (xn − µ)2
n
(4.4)
24
31. Si X es una v.a. continua con funci´on de densidad f(x),
entonces la varianza est´a dada por
σ2
= E (X − µ)2
=
∞
−∞
(x − µ)2
f(x)dx (4.5)
siempre y cuando la integral converja.
25
32. Tanto la varianza como la desviaci´on est´andar es una medida
de dispersi´on.
26
34. Algunos teoremas sobre Varianza
σ2
= E X2
− µ2
(4.6)
Var (cX) = c2
Var (X) (4.7)
σ2
= m´ına
E (X − a)2
(4.8)
Si X, Y son independientes
Var(X ± Y ) = Var(X) + Var(Y ) (4.9)
28
35. Variables Aleatorias Estandarizadas
Sea X una v.a. con media µ y desviaci´on est´andar σ > 0.
Diremos que la v.a. estandarizada asociada est´a dada por
X∗
=
X − µ
σ
. (4.10)
E (X∗
) = 0, Var(X∗
) = 1. (4.11)
29
36. Variables Aleatorias Estandarizadas
Sea X una v.a. con media µ y desviaci´on est´andar σ > 0.
Diremos que la v.a. estandarizada asociada est´a dada por
X∗
=
X − µ
σ
. (4.10)
E (X∗
) = 0, Var(X∗
) = 1. (4.11)
29
52. Problema Resuelto 5.1.
Sean X, Y variables aleatorias discretas con densidad de
probabilidad conjunta
f(x, y) =
2x + y
42
0 ≤ x ≤ 2, 0 ≤ y ≤ 3
0 en otro caso.
(5.14)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
41
53. Problema Resuelto 5.1.
Sean X, Y variables aleatorias discretas con densidad de
probabilidad conjunta
f(x, y) =
2x + y
42
0 ≤ x ≤ 2, 0 ≤ y ≤ 3
0 en otro caso.
(5.14)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
41
54. Problema Resuelto 5.1.
Sean X, Y variables aleatorias discretas con densidad de
probabilidad conjunta
f(x, y) =
2x + y
42
0 ≤ x ≤ 2, 0 ≤ y ≤ 3
0 en otro caso.
(5.14)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
41
55. Problema Resuelto 5.1.
Sean X, Y variables aleatorias discretas con densidad de
probabilidad conjunta
f(x, y) =
2x + y
42
0 ≤ x ≤ 2, 0 ≤ y ≤ 3
0 en otro caso.
(5.14)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
41
56. Problema Resuelto 5.1.
Sean X, Y variables aleatorias discretas con densidad de
probabilidad conjunta
f(x, y) =
2x + y
42
0 ≤ x ≤ 2, 0 ≤ y ≤ 3
0 en otro caso.
(5.14)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
41
57. Problema Resuelto 5.1.
Sean X, Y variables aleatorias discretas con densidad de
probabilidad conjunta
f(x, y) =
2x + y
42
0 ≤ x ≤ 2, 0 ≤ y ≤ 3
0 en otro caso.
(5.14)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
41
58. Problema Resuelto 5.1.
Sean X, Y variables aleatorias discretas con densidad de
probabilidad conjunta
f(x, y) =
2x + y
42
0 ≤ x ≤ 2, 0 ≤ y ≤ 3
0 en otro caso.
(5.14)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
41
59. Problema Resuelto 5.1.
Sean X, Y variables aleatorias discretas con densidad de
probabilidad conjunta
f(x, y) =
2x + y
42
0 ≤ x ≤ 2, 0 ≤ y ≤ 3
0 en otro caso.
(5.14)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
41
60. Problema Resuelto 5.1.
Sean X, Y variables aleatorias discretas con densidad de
probabilidad conjunta
f(x, y) =
2x + y
42
0 ≤ x ≤ 2, 0 ≤ y ≤ 3
0 en otro caso.
(5.14)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
41
61. Problema Resuelto 5.2.
Sean X, Y variables aleatorias continuas con densidad de
probabilidad conjunta
f(x, y) =
1
210
(2x + y) 2 < x < 6, 0 < y < 5
0 en otro caso.
(5.15)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
42
62. Problema Resuelto 5.2.
Sean X, Y variables aleatorias continuas con densidad de
probabilidad conjunta
f(x, y) =
1
210
(2x + y) 2 < x < 6, 0 < y < 5
0 en otro caso.
(5.15)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
42
63. Problema Resuelto 5.2.
Sean X, Y variables aleatorias continuas con densidad de
probabilidad conjunta
f(x, y) =
1
210
(2x + y) 2 < x < 6, 0 < y < 5
0 en otro caso.
(5.15)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
42
64. Problema Resuelto 5.2.
Sean X, Y variables aleatorias continuas con densidad de
probabilidad conjunta
f(x, y) =
1
210
(2x + y) 2 < x < 6, 0 < y < 5
0 en otro caso.
(5.15)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
42
65. Problema Resuelto 5.2.
Sean X, Y variables aleatorias continuas con densidad de
probabilidad conjunta
f(x, y) =
1
210
(2x + y) 2 < x < 6, 0 < y < 5
0 en otro caso.
(5.15)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
42
66. Problema Resuelto 5.2.
Sean X, Y variables aleatorias continuas con densidad de
probabilidad conjunta
f(x, y) =
1
210
(2x + y) 2 < x < 6, 0 < y < 5
0 en otro caso.
(5.15)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
42
67. Problema Resuelto 5.2.
Sean X, Y variables aleatorias continuas con densidad de
probabilidad conjunta
f(x, y) =
1
210
(2x + y) 2 < x < 6, 0 < y < 5
0 en otro caso.
(5.15)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
42
68. Problema Resuelto 5.2.
Sean X, Y variables aleatorias continuas con densidad de
probabilidad conjunta
f(x, y) =
1
210
(2x + y) 2 < x < 6, 0 < y < 5
0 en otro caso.
(5.15)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
42
69. Problema Resuelto 5.2.
Sean X, Y variables aleatorias continuas con densidad de
probabilidad conjunta
f(x, y) =
1
210
(2x + y) 2 < x < 6, 0 < y < 5
0 en otro caso.
(5.15)
Encuentre los siguientes estad´ısticos:
(a) E(X)
(b) E(Y )
(c) E(XY )
(d) E(X2
)
(e) E(Y 2
)
(f) Var(X)
(g) Var(Y )
(h) Cov(X, Y )
42
70. Bibliograf´ıa
M. Spiegel, L. Stephens; Estad´ıstica; Serie Schaum;
McGraw-Hill/Interamericana Editores; 4a edici´on; 2009.
M. Spiegel, J. Schiller, R. Alu Srinivasan; Probability and
Statistics; Schaum’s Outline Series, McGraw-Hill; 4th
Edition; 2013.
43