Diseño de Experimentos

EIQ-344

Profesor: David Guzmán

Año 2012
Clase 4
 Media o Valor Esperado
La Media de una variable aleatoria X es:
μ = E ( x) = ∑ xf ( x)
x
si X es discreta, y
∞
μ = E ( x) = ∫ xf ( x ) dx
−∞
si X es continua.
 Ejemplo
Un inspector de calidad muestrea un lote
que contiene 7 componentes: el lote
contiene 4 componentes buenos y 3
defectuosos. El inspector tomo una
muestra de 3 componentes. Encuentre el
valor esperado del número de
componentes buenos en esta muestra.
 Solución
Sea X el número de componentes buenos en la
muestra.
La distribución de probabilidades de X será
⎛ 4 ⎞⎛ 3 ⎞
⎜⎜ ⎟⎟⎜⎜ ⎟⎟
⎝ x ⎠⎝ 3 − x ⎠
f ( x) =
⎛7⎞
⎜⎜ ⎟⎟
⎝ 3⎠ x=0,1,2,3
 Solución (2)
f(0) = 1/35; f(1) = 12/35; f(2) = 18/35; f(3) = 4/35

Por lo tanto,

μ=E(x)= 0*1/35 + 1*12/35 + 2*18/35 + 3*4/35

= 12/7 = 1,7
 Varianza
Sea X una variable aleatoria con distribución de
probabilidad f(x) y media μ. La varianza de X es
σ 2 = E[( X − μ ) 2 ] = ∑ ( x − μ ) 2 f ( x)
x

si X es discreta, y
∞
σ = E[( X − μ ) ] = ∫ ( x − μ ) 2 f ( x) dx
2 2

−∞

si X es continua.

La raíz cuadrada positiva de la varianza (σ) se llama

desviación estándar de X.
La cantidad (x- μ) se llama desviación de una observación
respecto a su media.
 Ejemplo
La demanda semanal de Pepsi, en miles de litros, de una
cadena local, es una variable aleatoria continua X que
tiene la densidad de probabilidad
2( x − 1) 1<x<2
f ( x) = en cualquier otro caso
0

Encuentre la media y la varianza

Ayuda: La varianza de una variable aleatoria X es

σ2 = E(X2) – μ2
 Solución
2
5
μ = E ( x) = 2∫ x( x − 1)dx =
1
3

2
17
E ( x ) = 2 ∫ x ( x − 1)dx =
2 2

1
6
2
17 ⎛ 5 ⎞ 1
σ = −⎜ ⎟ =
2

6 ⎝3⎠ 18
 Media
z Sean X e Y variables aleatorias con distribución
de probabilidades conjunta f(x,y). La media o
valor esperado de la variable aleatoria g(x,y) es
μ g ( x, y ) = E[ g ( x, y )] = ∑∑ g ( x, y ) f ( x, y )
x y

si X e Y son discretas, y
∞ ∞
μ g ( x, y ) = E[ g ( x, y )] = ∫ ∫ g ( x, y ) f ( x, y )dxdy
−∞ −∞

si X e y son continuas.
 Ejemplo
Encuentre E ⎛⎜⎜⎝ YX ⎞⎟⎟⎠ para la función de densidad

x(1 + 3 y 2 ) / 4 0 < x < 2; 0 < y < 1

f ( x, y ) =
0 en cualquier otro caso

⎛ ⎞ +
1 2 1 3
Y y y 5
E ⎜ ⎟ = ∫ ∫ y (1 + 3 y ) / 4dxdy = ∫
2
dy =
⎝X⎠ 00 0
2 8
 Covarianza
Sean X e Y variables aleatorias con distribución
de probabilidad conjunta f(x,y). La covarianza de
X e Y es
σ xy = E[( X − μ x )(Y − μ y )] = ∑∑ ( X − μ x )(Y − μ y ) f ( x, y )
x y

si X e Y son discretas, y
∞ ∞
σ xy = E[( X − μ x )(Y − μ y )] = ∫ ∫ ( X − μ x )(Y − μ y ) f ( x, y )
−∞ −∞

si X e Y son continuas.
 Covarianza (2)
La covarianza de dos variables aleatorias X e Y
con medias σx y σy respectivamente, está dada
por

σxy =E(XY) – μx*μy

 Coeficiente de Correlación
Sean X e Y variables aleatorias con covarianza
σxy y desviaciones estándar σx y σy,
respectivamente. El coeficiente de correlación X
e Y es

σ xy
ρ xy =
σ xσ y
 Chebychev
La probabilidad de que cualquier variable
aleatoria X tome un valor dentro de k
desviaciones estándar de la media es al
menos 1-1/k2

P(μ-kσ < X < μ+kσ) ≥ 1-1/k2