Académique Documents
Professionnel Documents
Culture Documents
I. EXPECTATIVA
Considere la siguiente situación: si dos monedas se lanzan 16 veces y X es el número
de caras que resultan en cada lanzamiento, entonces los valores de X pueden ser 0, 1
y 2. Suponga que los resultados del experimento son: cero caras, una cara y dos caras,
un total de 4, 7 y 5 veces, respectivamente. El numero promedio de caras por
lanzamiento de las dos monedas es, entonces,
si X es continua.
∞
𝜇 = 𝐸 (𝑋) = ∫−∞ 𝑥𝑓 (𝑥)𝑑𝑥
si X y Y son discretas, y
∞ ∞
covarianza de X y Y es
si X y Y son continuas
∞ ∞
𝜎𝑋𝑌 = 𝐸 [(𝑋 – 𝜇𝑋 )(𝑌 – 𝜇𝑌 )] = ∫−∞ ∫−∞ (𝑥 − 𝜇𝑋 )(𝑦 −
𝜇𝑦 )𝑓 (𝑥, 𝑦) 𝑑𝑥 𝑑𝑦
𝜎𝑋𝑌
𝜌𝑋𝑌 =
𝜎𝑋 𝜎𝑌
Debería quedar claro para el lector que ρXY no tiene las unidades de X y Y. El coeficiente
de correlación satisface la desigualdad –1 ≤ ρXY ≤ 1. Toma un valor de cero cuando
σXY = 0. Donde hay una dependencia lineal exacta, digamos Y ≡ a + bX, ρXY = 1 si b
> 0 y ρXY = - 1 si b < 0.
EJERCICIO
Sean X y Y variables aleatorias con la distribución de probabilidad conjunta que se indica
en la siguiente tabla.
Calcule el valor esperado de g (X, Y) = XY. Por conveniencia se repite aquí la tabla.
𝐸 (𝑋𝑌 ) = ∑ ∑ 𝑥𝑦 𝑓 (𝑥, 𝑦)
𝑥=0 𝑦=0
= (0)(0) 𝑓 (0, 0) + (0)(1) 𝑓 (0, 1) + (1)(0) 𝑓 (1, 0) + (1)(1) 𝑓 (1, 1)
3
+ (2)(0) 𝑓 (2, 0) = 𝑓 (1, 1) =
14
Considere las siguientes mediciones, en litros, para dos muestras de jugo de naranja
envasado por las empresas A y B:
Ambas muestras tienen la misma media, 1.00 litros. Es muy evidente que la empresa A
envasa el jugo de naranja con un contenido más uniforme que la B. Decimos que la
variabilidad o la dispersión de las observaciones a partir del promedio es menor para la
muestra A que para la muestra B. Por lo tanto, al comprar jugo de naranja, tendríamos
más confianza en que el envase que seleccionemos se acerque al promedio anunciado
si se lo compramos a la empresa A.
El valor calculado de S 2 para una muestra dada se denota con s2. Observe que S se
define esencialmente como el promedio de los cuadrados de las desviaciones de las
observaciones a partir de su media. La razón para utilizar n – 1 como divisor, en vez
de la elección más obvia n
EJERCICIO
Una comparación de los precios de café en 4 tiendas de abarrotes de San Diego,
seleccionadas al azar, mostro aumentos en comparación con el mes anterior de 12, 15,
17 y 20 centavos por bolsa de una libra. Calcule la varianza de esta muestra aleatoria
de aumentos de precio.
Solución: Si calculamos la media de la muestra, obtenemos
12 + 15 + 17 + 20
¯𝑥 = = 16 𝑐𝑒𝑛𝑡𝑎𝑣𝑜𝑠.
4
Por lo tanto,
4
1 (12 − 16)2 + (15 − 16)2 + (17 − 16)2 + (20 − 16)2
𝑠2 = ∑(𝑥 𝑖 − 16)2 =
3 3
𝑖=1
Mientras que la expresión para la varianza de la muestra ilustra mejor que S 2 es una
medida de variabilidad, una expresión alternativa tiene cierto merito, de manera que el
lector debería conocerla. El siguiente teorema contiene tal expresión.
0, 1). La aproximación normal para Xˉ por lo general será buena si n ≥ 30, siempre y
que la media de Xˉ sigue siendo μ para cualquier tamaño de la muestra y que la varianza
EJERCICIO
Una empresa de material eléctrico fabrica bombillas que tienen una duración que se
distribuye aproximadamente en forma normal, con media de 800 horas y desviación
estándar de 40 horas. Calcule la probabilidad de que una muestra aleatoria de 16
bombillas tenga una vida promedio de menos de 775 horas.
Solución: La distribución muestral de Xˉ será aproximadamente normal, con μX ˉ = 800
y σX ˉ = 40/ √16 = 10.
775 − 800
𝑧 = = − 2.5
10
y, por lo tanto 𝑃 ( ¯ 𝑋 < 775) = 𝑃 (𝑍 < − 2.5) = 0.0062.
EJERCICIO
Suponga que la variable aleatoria X representa el número de automóviles que se utilizan
con propósitos de negocios oficiales en un día de trabajo dado. La distribución de
probabilidad para la empresa A es
x 1 2 3
y para la empresa B es
x 0 1 2 3 4
y entonces
3
𝜎2𝐴 = ∑(𝑥 − 2)2 = (1 − 2)2 (0.3) + (2 − 2)2 (0.4) + (3 − 2)2 (0.3) = 0.6.
𝑥 =1
y entonces
4