This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.

BY: Grupo CDPYE-UGR

Esperanza matemática de una variable aleatoria discreta

 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

Esperanza matemática de una variable aleatoria discreta

Sea X : (Ω, A, P) −→ (R, B, PX ) una variable aleatoria discreta con valores en el conjunto EX .
X
i) Existe la esperanza matemática (o simplemente, esperanza) de X si |x|P(X = x) < +∞.
x∈EX
ii) En caso de existir la esperanza, que notaremos E[X], se define como
X
E[X] = xP(X = x).
x∈EX
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

Esperanza matemática de una variable aleatoria discreta

Sea X : (Ω, A, P) −→ (R, B, PX ) una variable aleatoria discreta con valores en el conjunto EX .
X
i) Existe la esperanza matemática (o simplemente, esperanza) de X si |x|P(X = x) < +∞.
x∈EX
ii) En caso de existir la esperanza, que notaremos E[X], se define como
X
E[X] = xP(X = x).
x∈EX

Ya que la convergencia absoluta de una serie implica su convergencia, la esperanza de una variable aleatoria, si existe,
es siempre finita.
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

Esperanza matemática de una variable aleatoria discreta

Sea X : (Ω, A, P) −→ (R, B, PX ) una variable aleatoria discreta con valores en el conjunto EX .
X
i) Existe la esperanza matemática (o simplemente, esperanza) de X si |x|P(X = x) < +∞.
x∈EX
ii) En caso de existir la esperanza, que notaremos E[X], se define como
X
E[X] = xP(X = x).
x∈EX

Ya que la convergencia absoluta de una serie implica su convergencia, la esperanza de una variable aleatoria, si existe,
es siempre finita.
Si EX es un conjunto finito, la suma que define E[X] consta de un número finito de sumandos y es, por tanto,
absolutamente convergente.
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

Esperanza matemática de una variable aleatoria discreta

Sea X : (Ω, A, P) −→ (R, B, PX ) una variable aleatoria discreta con valores en el conjunto EX .
X
i) Existe la esperanza matemática (o simplemente, esperanza) de X si |x|P(X = x) < +∞.
x∈EX
ii) En caso de existir la esperanza, que notaremos E[X], se define como
X
E[X] = xP(X = x).
x∈EX

Ya que la convergencia absoluta de una serie implica su convergencia, la esperanza de una variable aleatoria, si existe,
es siempre finita.
Si EX es un conjunto finito, la suma que define E[X] consta de un número finito de sumandos y es, por tanto,
absolutamente convergente. Ası́, toda variable con un número finito de valores tiene esperanza.
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

Esperanza matemática de una variable aleatoria discreta

Sea X : (Ω, A, P) −→ (R, B, PX ) una variable aleatoria discreta con valores en el conjunto EX .
X
i) Existe la esperanza matemática (o simplemente, esperanza) de X si |x|P(X = x) < +∞.
x∈EX
ii) En caso de existir la esperanza, que notaremos E[X], se define como
X
E[X] = xP(X = x).
x∈EX

Ya que la convergencia absoluta de una serie implica su convergencia, la esperanza de una variable aleatoria, si existe,
es siempre finita.
Si EX es un conjunto finito, la suma que define E[X] consta de un número finito de sumandos y es, por tanto,
absolutamente convergente. Ası́, toda variable con un número finito de valores tiene esperanza.
Sin embargo, si EX es infinito, es preciso imponer la convergencia absoluta ya que, en caso contrario, diferentes
reordenaciones de los sumandos podrı́an conducir a distintos valores para E[X].
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

Esperanza matemática de una variable aleatoria discreta

Sea X : (Ω, A, P) −→ (R, B, PX ) una variable aleatoria discreta con valores en el conjunto EX .
X
i) Existe la esperanza matemática (o simplemente, esperanza) de X si |x|P(X = x) < +∞.
x∈EX
ii) En caso de existir la esperanza, que notaremos E[X], se define como
X
E[X] = xP(X = x).
x∈EX

Ya que la convergencia absoluta de una serie implica su convergencia, la esperanza de una variable aleatoria, si existe,
es siempre finita.
Si EX es un conjunto finito, la suma que define E[X] consta de un número finito de sumandos y es, por tanto,
absolutamente convergente. Ası́, toda variable con un número finito de valores tiene esperanza.
Sin embargo, si EX es infinito, es preciso imponer la convergencia absoluta ya que, en caso contrario, diferentes
reordenaciones de los sumandos podrı́an conducir a distintos valores para E[X].

(−1)j+1 3j
 
2
Ejemplo 1: Calcular, si existe, la esperanza de la variable X, siendo P X= = , j = 1, 2, . . .
j 3j
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

Esperanza matemática de una variable aleatoria discreta

Sea X : (Ω, A, P) −→ (R, B, PX ) una variable aleatoria discreta con valores en el conjunto EX .
X
i) Existe la esperanza matemática (o simplemente, esperanza) de X si |x|P(X = x) < +∞.
x∈EX
ii) En caso de existir la esperanza, que notaremos E[X], se define como
X
E[X] = xP(X = x).
x∈EX

Ya que la convergencia absoluta de una serie implica su convergencia, la esperanza de una variable aleatoria, si existe,
es siempre finita.
Si EX es un conjunto finito, la suma que define E[X] consta de un número finito de sumandos y es, por tanto,
absolutamente convergente. Ası́, toda variable con un número finito de valores tiene esperanza.
Sin embargo, si EX es infinito, es preciso imponer la convergencia absoluta ya que, en caso contrario, diferentes
reordenaciones de los sumandos podrı́an conducir a distintos valores para E[X].

(−1)j+1 3j
 
2
Ejemplo 1: Calcular, si existe, la esperanza de la variable X, siendo P X = = , j = 1, 2, . . .
j 3j
X +∞
X  (−1)j+1 3j  2
  +∞
X2
|x|P (X = x) =  
 3j = = +∞
x∈E j=1
 j j=1
j
X
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

Esperanza matemática de una variable aleatoria discreta

Sea X : (Ω, A, P) −→ (R, B, PX ) una variable aleatoria discreta con valores en el conjunto EX .
X
i) Existe la esperanza matemática (o simplemente, esperanza) de X si |x|P(X = x) < +∞.
x∈EX
ii) En caso de existir la esperanza, que notaremos E[X], se define como
X
E[X] = xP(X = x).
x∈EX

Ya que la convergencia absoluta de una serie implica su convergencia, la esperanza de una variable aleatoria, si existe,
es siempre finita.
Si EX es un conjunto finito, la suma que define E[X] consta de un número finito de sumandos y es, por tanto,
absolutamente convergente. Ası́, toda variable con un número finito de valores tiene esperanza.
Sin embargo, si EX es infinito, es preciso imponer la convergencia absoluta ya que, en caso contrario, diferentes
reordenaciones de los sumandos podrı́an conducir a distintos valores para E[X].

(−1)j+1 3j
 
2
Ejemplo 1: Calcular, si existe, la esperanza de la variable X, siendo P X = = , j = 1, 2, . . .
j 3j
X +∞
X  (−1)j+1 3j  2
  +∞
X2
|x|P (X = x) =  
 3j = = +∞
x∈E j=1
 j j=1
j
X

y, por lo tanto, no existe E[X]. 

 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

La esperanza de una variable discreta, si existe, es el valor medio de los valores de la variable ponderados por su
probabilidad y, por este motivo, suele denominarse valor medio o media de la variable.
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

La esperanza de una variable discreta, si existe, es el valor medio de los valores de la variable ponderados por su
probabilidad y, por este motivo, suele denominarse valor medio o media de la variable. No tiene por qué coincidir
con un valor concreto de la variable pero, al ser una media ponderada, siempre estará comprendida dentro del rango
de valores.
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

La esperanza de una variable discreta, si existe, es el valor medio de los valores de la variable ponderados por su
probabilidad y, por este motivo, suele denominarse valor medio o media de la variable. No tiene por qué coincidir
con un valor concreto de la variable pero, al ser una media ponderada, siempre estará comprendida dentro del rango
de valores.

Ejemplo 2: Calcular la media del número de bolas blancas obtenidas cuando se extraen simultáneamente dos bolas
de una urna que contiene 5 blancas y tres negras, todas distinguibles.
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

La esperanza de una variable discreta, si existe, es el valor medio de los valores de la variable ponderados por su
probabilidad y, por este motivo, suele denominarse valor medio o media de la variable. No tiene por qué coincidir
con un valor concreto de la variable pero, al ser una media ponderada, siempre estará comprendida dentro del rango
de valores.

Ejemplo 2: Calcular la media del número de bolas blancas obtenidas cuando se extraen simultáneamente dos bolas
de una urna que contiene 5 blancas y tres negras, todas distinguibles.

Si denotamos X a la variable que define el número de bolas blancas obtenidas al extraer las dos bolas, su función
masa de probabilidad es (ver ejemplo 1 de variable aleatoria discreta)
6 30 20
P (X = 0) = , P (X = 1) = , P (X = 2) = ·
56 56 56
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

La esperanza de una variable discreta, si existe, es el valor medio de los valores de la variable ponderados por su
probabilidad y, por este motivo, suele denominarse valor medio o media de la variable. No tiene por qué coincidir
con un valor concreto de la variable pero, al ser una media ponderada, siempre estará comprendida dentro del rango
de valores.

Ejemplo 2: Calcular la media del número de bolas blancas obtenidas cuando se extraen simultáneamente dos bolas
de una urna que contiene 5 blancas y tres negras, todas distinguibles.

Si denotamos X a la variable que define el número de bolas blancas obtenidas al extraer las dos bolas, su función
masa de probabilidad es (ver ejemplo 1 de variable aleatoria discreta)
6 30 20
P (X = 0) = , P (X = 1) = , P (X = 2) = ·
56 56 56
Ya que esta variable sólo toma tres valores, existe su esperanza y vale
     
6 30 20
E[X] = 0 × + 1× + 2× = 1.25.
56 56 56
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

La esperanza de una variable discreta, si existe, es el valor medio de los valores de la variable ponderados por su
probabilidad y, por este motivo, suele denominarse valor medio o media de la variable. No tiene por qué coincidir
con un valor concreto de la variable pero, al ser una media ponderada, siempre estará comprendida dentro del rango
de valores.

Ejemplo 2: Calcular la media del número de bolas blancas obtenidas cuando se extraen simultáneamente dos bolas
de una urna que contiene 5 blancas y tres negras, todas distinguibles.

Si denotamos X a la variable que define el número de bolas blancas obtenidas al extraer las dos bolas, su función
masa de probabilidad es (ver ejemplo 1 de variable aleatoria discreta)
6 30 20
P (X = 0) = , P (X = 1) = , P (X = 2) = ·
56 56 56
Ya que esta variable sólo toma tres valores, existe su esperanza y vale
     
6 30 20
E[X] = 0 × + 1× + 2× = 1.25.
56 56 56

Ası́, el número medio de bolas blancas extraı́das es 1.25, valor comprendido en el rango de valores de X (el intervalo
[0, 2]), que resulta al ponderar cada valor de X por su probabilidad. 
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

La esperanza de una variable discreta, si existe, es el valor medio de los valores de la variable ponderados por su
probabilidad y, por este motivo, suele denominarse valor medio o media de la variable. No tiene por qué coincidir
con un valor concreto de la variable pero, al ser una media ponderada, siempre estará comprendida dentro del rango
de valores.

Ejemplo 2: Calcular la media del número de bolas blancas obtenidas cuando se extraen simultáneamente dos bolas
de una urna que contiene 5 blancas y tres negras, todas distinguibles.

Si denotamos X a la variable que define el número de bolas blancas obtenidas al extraer las dos bolas, su función
masa de probabilidad es (ver ejemplo 1 de variable aleatoria discreta)
6 30 20
P (X = 0) = , P (X = 1) = , P (X = 2) = ·
56 56 56
Ya que esta variable sólo toma tres valores, existe su esperanza y vale
     
6 30 20
E[X] = 0 × + 1× + 2× = 1.25.
56 56 56

Ası́, el número medio de bolas blancas extraı́das es 1.25, valor comprendido en el rango de valores de X (el intervalo
[0, 2]), que resulta al ponderar cada valor de X por su probabilidad. 

Ejemplo 3: Calcular el número medio de lanzamientos independientes de un dado hasta salir un 4 o un 6.

 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

La esperanza de una variable discreta, si existe, es el valor medio de los valores de la variable ponderados por su
probabilidad y, por este motivo, suele denominarse valor medio o media de la variable. No tiene por qué coincidir
con un valor concreto de la variable pero, al ser una media ponderada, siempre estará comprendida dentro del rango
de valores.

Ejemplo 2: Calcular la media del número de bolas blancas obtenidas cuando se extraen simultáneamente dos bolas
de una urna que contiene 5 blancas y tres negras, todas distinguibles.

Si denotamos X a la variable que define el número de bolas blancas obtenidas al extraer las dos bolas, su función
masa de probabilidad es (ver ejemplo 1 de variable aleatoria discreta)
6 30 20
P (X = 0) = , P (X = 1) = , P (X = 2) = ·
56 56 56
Ya que esta variable sólo toma tres valores, existe su esperanza y vale
     
6 30 20
E[X] = 0 × + 1× + 2× = 1.25.
56 56 56

Ası́, el número medio de bolas blancas extraı́das es 1.25, valor comprendido en el rango de valores de X (el intervalo
[0, 2]), que resulta al ponderar cada valor de X por su probabilidad. 

Ejemplo 3: Calcular el número medio de lanzamientos independientes de un dado hasta salir un 4 o un 6.

La función masa de probabilidad de la variable X, que describe el número de lanzamientos necesarios hasta que sale
un 4 o un 6, está dada por (ver ejemplo 2 de variable aleatoria discreta)

2n−1
P (X = n) = , ∀n ∈ N,
3n
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

y ya que todos sus valores son positivos, la convergencia absoluta de la serie que define su esperanza equivale a la
convergencia;
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

y ya que todos sus valores son positivos, la convergencia absoluta de la serie que define su esperanza equivale a la
convergencia; ası́,
+∞ +∞  n−1
X 2n−1 1X 2
∃E[X] ⇔ n n = n < +∞.
n=1
3 3 n=1 3
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

y ya que todos sus valores son positivos, la convergencia absoluta de la serie que define su esperanza equivale a la
convergencia; ası́,
+∞ +∞  n−1
X 2n−1 1X 2
∃E[X] ⇔ n n = n < +∞.
n=1
3 3 n=1 3
Notemos que
+∞
X 1
xn = , ∀x / |x| < 1,
n=0
1−x
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

y ya que todos sus valores son positivos, la convergencia absoluta de la serie que define su esperanza equivale a la
convergencia; ası́,
+∞ +∞  n−1
X 2n−1 1X 2
∃E[X] ⇔ n n = n < +∞.
n=1
3 3 n=1 3
Notemos que
+∞
X 1
xn = , ∀x / |x| < 1,
n=0
1−x
y ya que toda serie de potencias es derivable término a término en el interior de su intervalo de convergencia, se tiene
+∞
X 1
nxn−1 = , ∀x / |x| < 1.
n=1
(1 − x)2
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

y ya que todos sus valores son positivos, la convergencia absoluta de la serie que define su esperanza equivale a la
convergencia; ası́,
+∞ +∞  n−1
X 2n−1 1X 2
∃E[X] ⇔ n n = n < +∞.
n=1
3 3 n=1 3
Notemos que
+∞
X 1
xn = , ∀x / |x| < 1,
n=0
1−x
y ya que toda serie de potencias es derivable término a término en el interior de su intervalo de convergencia, se tiene
+∞
X 1
nxn−1 = , ∀x / |x| < 1.
n=1
(1 − x)2

2
Aplicando este resultado a x = deducimos la existencia de E[X] y su valor, E[X] = 3. 
3