VALOR ESPERADO

El valor esperado o esperanza de una variable aleatoria tiene su

origen en los juegos de azar, debido a que los jugadores deseaban
saber cual era su esperanza de ganar o perder con un juego
determinado. Como a cada resultado particular del juego le
corresponde una probabilidad determinada, esto equivale a una
función de probabilidad de una variable aleatoria y el conjunto de
todos los resultados posibles del juego estará representado por la
distribución de probabilidad de la variable aleatoria. El valor esperado
o esperanza es muy importante, ya que es uno de los parámetros que
describen una variable aleatoria.

Sea X una variable aleatoria discreta con función de probabilidades

f(x). Entonces, el valor esperado de la variable aleatoria X, el cual se
representa por E(X), está definido por:
E(X) = å xi f(xi)

Lo anterior significa, que para calcular E(X) se multiplica cada valor

que puede tomar la variable aleatoria por la probabilidad que le
corresponde y después se suman esos productos.

El valor esperado representa el valor promedio que se espera suceda,

al repetir el experimento en forma independiente una gran cantidad de
veces. El valor esperado se interpreta físicamente como el centro de
masa o centro de gravedad de la distribución de probabilidad, por lo
que es igual a la media o promedio aritmético, los cuales se
representan con la letra m.

De acuerdo a lo anterior podemos escribir que:

E(X) = m = å xi f(xi)

Ejemplo 4. 7. Si se lanzan dos dados legales, encontrar el valor

esperado.

Solución.
Definamos la variable aleatoria X como la suma de los números que
aparecen al lanzar dos dados legales. Como vimos en el problema
anterior, la distribución de probabilidad es:

å xi f(xi) =

xi 2 3 4 5 6 7 8 9 10 11 12
f(xi) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

En particular, si la distribución de probabilidades es simétrica como en

el ejemplo anterior, el valor esperado coincide con el valor de la
variable que tiene la mayor probabilidad en la distribución.

Una aplicación del valor esperado puede ser la siguiente.

Ejemplo 4. 8. Un casino le permite a un jugador que lance un dado

legal y que reciba tantos pesos como puntos aparezcan en la cara
superior del dado. El jugador debe pagar una cantidad k de pesos
cada vez que juegue. Calcular cuanto debe valer k para que el jugador
ni gane ni pierda.

Solución.
Sea X la variable aleatoria que representa el resultado al lanzar un
dado. Su distribución de probabilidad es la siguiente:
1 2 3 4 5 6

1/6 1/6 1/6 1/6 1/6 1/6

En este caso el valor esperado debe ser igual al valor k, con lo que se
espera que el jugador ni gane ni pierda. Aplicando la fórmula del valor
esperado tenemos:

å xi f(xi) = 1(1/6) + 2(1/6) + 3(1/6) + 4(1/6) +5(1/6) + 6(1/6) = 3.5

El jugador debe pagar 3.5 pesos cada vez que participa en un juego.
Si la cuota k fuera de 4 pesos por juego, la ganancia neta esperada
del casino es de 0.50 pesos por juego, ya que k - = 4.00 - 3.50 = 0.50
pesos. Como lo que recibe el jugador en un solo juego no puede ser
igual a 3.5 pesos (debe ser un número entero entre 1 y 6), entonces
la E(X) no necesariamente coincide con el resultado de un solo juego.

El significado de E(X) = 3.5 pesos, es que, si el juego se realiza un

gran número de veces, el cociente debe ser

aproximadamente igual a 3.5 pesos.

Ejemplo 4. 9. Consideremos una lotería con mil números. Cada

número cuesta 25 centavos y el premio es de 100 pesos. Calcular
cuánto se espera ganar o perder cada vez que se participa en esta
lotería.

Solución.
Sea X la variable aleatoria utilidad que obtiene la persona que
participa en la lotería y los valores que puede tomar son:
Cuando gana = 99.75 pesos (100 que gana del premio, menos 0.25
del costo del número).
Cuando pierde: –0.25 pesos (costo del número)
Por su parte, la probabilidad de ganar es 1/1000 y de perder 999/1000.
De acuerdo a los datos anteriores, la distribución de probabilidad es:

X = xi 99.75 -0.25
f(xi) 1/1000 999/1000

Por lo tanto, el valor esperado es:

å xi f(xi) = (99.75) (1/1000) + (-0.25) (999/1000) = -0.15

O sea que la persona que participe en la lotería espera perder 15

centavos en cada juego.
Momentos de una variable
Hasta ahora, se han visto dos medidas de localizaci´on de una
variable;
• la moda, o el valor m´as probable
• la mediana, definida tal que hay una probabilidad de (≥) 50% de caer
a
cada lado de la mediana.
Otra medida de localizaci´on es la media.

MOMENTOS DE UNA VARIABLE ALEATORIA

El momento de orden k respecto al origen de una variable aleatoria se
define como:

MOMENTOS DE UNA VARIABLE ALEATORIA

Los momentos de orden k respecto a la media pueden expresarse en
función de los momentos respecto al origen mediante la relación:
 MOMENTOS DE UNA VARIABLE
ALEATORIA
Con un procedimiento análogo al anterior encontramos que:
Para k 3=
μ3 =μ'3−3μμ'2+2μ3
Para k=4
μ4 =μ'4−4μμ'3+6μ2μ'2−3μ4