“AÑO DE LA UNIVERSALIZACIÓN DE LA SALUD”

CURSO: modelos cuantitativos y de optimización

TEMA: valor esperado o esperanza matemática

ALUMNA: Vilcazan Mamani Jaydi

DOCENTE: Mg.Noelia Delgadillo R.

CICLO: Nivelación

GRUPO: o9D

AREQUIPA 2020

1
 ÍNDICE

I INTRODUCCIÓN ………………………………………………………………. 3

II VALOR ESPERADO O ESPERANZA MATEMÁTICA…………………………4

III TIPOS DE VARIABLES ALEATORIA …………………………………………5

ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA DISCRETA

ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA CONTINUA …7

IV LA VARIANZA ……………………………………………………………………12

2
 I. INTRODUCCIÓN

En esta ocasión se hablará de la esperanza matemática o valor esperado que

tiene su origen en los juegos de azar y hace referencia a la ganancia promedio
esperada por un jugador cuando se hace un gran número de apuestas.

La teoría de la probabilidad es la parte de las matemáticas que se encarga del

estudio de los fenómenos o experimentos aleatorios. Por experimento aleatorio
entenderemos todo aquel experimento que cuando se le repite bajo las mismas
condiciones iniciales, el resultado que se obtiene no siempre es el mismo. El
ejemplo más sencillo y cotidiano de un experimento aleatorio es el de lanzar
una moneda o un dado, y aunque estos experimentos pueden parecer muy
sencillos, Algunas personas los usan para tomar decisiones en sus vidas. En
principio no sabemos lo que sería el resultado del experimento aleatorio, así
que por lo menos conviene agrupar en un conjunto a todos los resultados
posibles.

La varianza aun cuando el valor esperado proporciona el valor medio de la

variable aleatoria, a menudo necesitamos una medida de variabilidad o
dispersión. Así como la varianza se usó para resumir la variabilidad en los
datos, ahora la varianza se usa para resumir la variabilidad en los valores de
una variable aleatoria.

3
 II. VALOR ESPERADO O ESPERANZA MATEMÁTICA

DEFINICIÓN:

Los nombres de esperanza matemática y valor esperado tienen su origen en

los juegos de azar y hacen referencia a la ganancia promedio esperada por un
jugador cuando hace un gran número de respuestas.

En estadística la esperanza matemática (también llamada esperanza, valor

esperado, media poblacional o media) de una variable aleatoria X, es el
número que formaliza la idea de valor medio de un fenómeno aleatorio.

Si la esperanza matemática es cero, E(x) = 0, el juego es equitativo, es decir,

no existe ventaja ni para el jugador ni para la banca.

Variable Símbolo
Esperanza matemática E[X]
Media poblacional μ
Varianza poblacional σ2

4
 III. TIPOS DE VARIABLES ALEATORIA

1. ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

DISCRETA

La media o valor esperado de una variable aleatoria discreta se puede obtener

al multiplicar cada uno de los valores x1, x2,x3,…,xn de la variable aleatoria X
por su correspondiente Probabilidad f (x1),f(x2 ),…, f (xn) y sumar los
productos.

Es decir, la esperanza matemática o valor esperado de una variable aleatoria

discreta es la suma del producto de la probabilidad de cada suceso por el valor
de dicho suceso, Como ejemplo, el número de animales en una granja (0, 1, 2,
3...).

a) condiciones:
 la probabilidad de cada valor tiene que estar entre 0 y 1 es decir
0≤f(x)≥1
 la suma de probabilidades asignada a todo el valor de la variable
aleatoria debe ser 1 es decir Ʃ f(x) =1

𝐸ሾ𝑋ሿ= ෍ 𝑥 𝑓(𝑥)

ejemplo 1:
sea x una variable aleatoria discreta con función de probabilidad dada por la
siguiente tabla.

x -2 0 x3 12
F (x) 1 1 p3 1
2 4 16
solución:

sí se sabe que E(x)= 5/4, calcula x 3 y p3.

5
1 1 1
+ + p3 + =
2 4 16

1 1 1
p3 =1- - -
2 4 16

mínimo común múltiplo

16−8−4−1
p3 =
16

3
p3 = cumple con la primera condición
16

μ =E(X)= X 1 .f( x 1)+ x 2.f( x 2)+……… x n.f( x n)=

5 1 1 3 1
= -2. + 0. + x 3. ´+ 12.
4 2 4 16 16

5 3 x3 3
= -1 +0+ +
4 16 4

5 1 3 3 x3
+ - =
4 1 4 16

6 3 x 3 6.16
= = x3 8 =x3
4 16 4.3
ejemplo 2:

sea x el número de autos vendidos en un día en una tienda calcula el valor

esperado de x a partir de su función de probabilidad.

x 0 1 2 3
F(x) 0,60 0,25 0,10 0,05

solución:
μ =E(X)= X 1 .f( x 1)+ x 2.f( x 2)+……… x n.f( x n)= 𝐸ሾ𝑋ሿ= ෍ 𝑥 𝑓(𝑥)

μ= E(X)= 0.0,60 + 1.0,25 + 2.0,10 +3.0,05

μ= E(X)= 0+0,25 +0,20 +0,15
μ= E(X)=0,6
se espera que un promedio haya 0,6 autos vendidos en un día .
ejemplo 3:

6
si una persona compra una papelera en una rifa, en la que puede ganar de
5000 € o un segundo premio de 2000 € con probabilidad de: 0,001 y 0,003.
¿cuál sería el precio justo a pagar por la papelería? solución:μ =E(X)= X 1 .f( x 1)
+ x 2.f( x 2)+……… x n.f( x n) =

E(x) = 5000.0,001 + 2000.0,003

E(x) = 11 euros
ejemplo 4 :

2. ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

CONTINUA

Una variable continua puede tomar un valor cualquiera dentro de un intervalo

predeterminado. Y siempre entre dos valores observables va a existir un tercer
valor intermedio que también podría tomar la variable continua. Una variable
continua toma valores a lo largo de un continuo, esto es, en todo un intervalo
de valores. Un atributo esencial de una variable continua es que, a diferencia
de una variable discreta, nunca puede ser medida con exactitud; el valor
observado depende en gran medida de la precisión de los instrumentos de
medición. Con una variable continua hay inevitablemente un error de medida.
Como ejemplo, la estatura de una persona (1.710m, 1.715m, 1.174m....).

Es decir Una variable aleatoria continua, es aquella que puede asumir un

número incontable de valores. Por ejemplo, si realizamos el experimento de ir
a una granja y estudiamos las características de las vaquitas, podemos definir
la variable aleatoria B = peso de una vaca en la granja de Jorge (en
kilogramos).

Alguna vaquita puede pesar 425,1872 kg; otra puede pesar 612,5874541 kg;
otra puede pesar 545,897512121 kg. Si tomamos más vacas, podríamos tener
más valores y nunca terminaríamos. Se conoce que el becerro más pequeño
tiene un peso de 30 kg, y la vaca más grande tiene un peso de 1000 kg.

7
Y así, tendríamos un número incontable de valores para el rango de esta
variable. El rango de esta variable puede ser cualquier valor dentro del intervalo
que va desde 30 kg hasta 1000 kg, por ello, es una variable aleatoria continua.

 Función de densidad de probabilidad:

Sea X una variable aleatoria continua. Entonces, una función de densidad de

probabilidad de X es una función f(x) tal que para dos números
cualesquiera a y b con a ≤ b,

La probabilidad de que X asuma un valor en el intervalo [a, b] es el área sobre

este intervalo y bajo la gráfica de la función de densidad. Se puede apreciar
mejor en la siguiente gráfica:

8
La gráfica de f(x) se suele llamar curva de densidad.
 La función de probabilidad de una variable aleatoria continua siempre
cumplirá con estas condiciones:

Ejemplo 1

A partir de la función de densidad de probabilidad f(x), calcular P(1 ≤ X ≤ 3)

Solución:
En este problema, nos piden calcular P(1 ≤ X ≤ 3). Y con la función de
probabilidad de una variable aleatoria continua, las probabilidades se calculan
mediante el área bajo la curva, por ello:

9
Graficamos la función f(x) para que se vea mucho mejor:

Como queremos calcular la probabilidad de que nuestra variable aleatoria

discreta X tome un valor entre 1 y 3, entonces sombreamos el área bajo la
función f(x) en ese intervalo:

Solo nos queda calcular el valor del área sombreada y en este caso se puede
realizar de 2 formas diferentes: mediante la fórmula del rectángulo y mediante
la integral definida de f(x) desde x igual a 1 hasta 3.

Con áreas:

10
Con integrales:

Como verás, obtuvimos el mismo resultado con ambos métodos,

una probabilidad de 0,5 o 50%.

 Propiedad importante:

En la función de probabilidad de una variable aleatoria continua sucede algo

bien interesante si queremos calcular la probabilidad de que la variable
aleatoria sea igual a un valor puntual c.

11
La probabilidad se calcula mediante el área bajo la curva, pero el área bajo una
curva de densidad situada sobre cualquier valor único es 0:

El hecho de que P(X = c) = 0 cuando X es continua nos permite afirmar que la

probabilidad de que X quede en algún intervalo entre a y b no depende de si
límite inferior a o el límite superior b está incluido en el cálculo de la
probabilidad:

IV LA VARIANZA

En teoría de probabilidad, la varianza (que suele representarse como( x-E-

[X])^2) de una variable aleatoria es una medida de dispersión definida como la
esperanza del cuadrado de la desviación de dicha variable respecto a su
media.

Está medida en unidades distintas de las de la variable. Por ejemplo, si la

variable mide una distancia en metros, la varianza se expresa en metros al
cuadrado. La desviación estándar es la raíz cuadrada de la varianza, es una
medida de dispersión alternativa expresada en las mismas unidades de los
datos de la variable objeto de estudio. La varianza tiene como valor mínimo 0.

 desviación típica :

se llama desviación típica o estándar a la raíz cuadrada positiva de la varianza

12
 EN RESUMEN

PROPIEDAD

1. E(x) al igual que la media, es un número que depende de todos

los valores de la serie y de sus respectivas probabilidades, ya que

todos ellos entran en su cálculo.

2. Si  X  e  Y  son variables aleatorias, entonces

     E (X + Y) = E(X) + E(Y)

3. Si “ A ” es una constante y “ X ” una variable,   

    E(Ax) = A E(x)

4. Si X e Y son variables aleatorias independientes   

    E(X.Y) = E(X) E(Y)

5. Si X1, X2, ......., Xe son variables aleatorias 

    E(X1  + X2 +.........+ Xe) = E(X1)+ E(X2) +.........+ E(Xe)

6. Si X1, X2, ......., Xt son variables aleatorias independientes 

    E(X1  + X2 +.........+ Xt) = E(X1) E(X2) *.........* E(Xt)

13
 Fórmulas para calcular E [ X ]
Para una variable aleatoria Para una variable aleatoria discreta
continua
∞
E [ X ] =∑ x f ( x)
E [ X ] = ∫ x f ( x ) dx
−∞

Así mismo las fórmulas para calcular la media y varianza poblacional para
variables aleatorias continuas y discretas son:

Variable Variable Aleatoria Discreta Variable Aleatoria

Continua
∞
Media poblacional 𝜇 = 𝐸 ሾ𝑋ሿ= ෍ 𝑥 𝑓(𝑥) 𝜇 = 𝐸 ሾ𝑋ሿ= න 𝑥 𝑓ሺ𝑥 ሻ𝑑𝑥
−∞
𝜇

Varianza poblacional
∞
𝜎2 𝜎 2 = ෍ (𝑥 − 𝜇)2 𝑓(𝑥) 𝜎 = න (𝑥 − 𝜇)2 𝑓ሺ𝑥 ሻ𝑑𝑥
2
−∞

14
 CONCLUSIÓN

Así concluimos que la esperanza matemática es el valor que se espera tener

de ganancia ya sea en una venta, apuesta o algún fenómeno y se puede
calcular según la variable aleatoria que se tenga (ya sea continua o discreta),
además se habló de la media y varianza poblacional que como su nombre lo
indica estaba centrado en el cálculo de estas pero abocado a toda una
población y no como anteriormente se usó para muestras o porciones de
población.

BIBLIOGRAFÍA:

Allen L. Webster, (2000) “Estadística Aplicada a los Negocios y

Economía” Mexico, Mc Graw Hill, 3ª edicion.

Walpole Ronald, E., Raymond H, M., Sharon L., M., & Keying, Y.
(2007). Probabilidad y Estadística para Ingeniería y Ciencias
(Octava ed.). México: Pearson

15