You are on page 1of 10

UNIVERSIDAD

POLITÉCNICA DEL
GOLFO DEALUMNAS:
MÉXICO
ANA PAOLA YZQUIERDO SANTOS 1301199
GABRIELA MAGAÑA ARIAS 1301105
MATERIA:
PROBABILIDAD Y ESTADISTICA
PROFESOR:
MTRO. EDGAR MARQUEZ DE LA CRUZ
GRADO Y GRUPO:
6° “C”
TEMA:
VARIANZA Y COVARIANZA DE VARIABLES ALEATORIAS
CARRERA:
ING. PETROLERA

VARIANZA Y COVARIANZA DE VARIABLES ALEATORIAS Figura 4. La medida de variabilidad más importante de una variable aleatoria X se obtiene aplicando el teorema 4.1: Distribuciones con medias iguales y dispersiones diferentes. o con el símbolo σ 2x. . A esta cantidad se le denomina varianza de la variable aleatoria X o varianza de la distribución de probabilidad de X y se denota como Var(X). o simplemente como σ 2 cuando es evidente a qué variable aleatoria se está haciendo referencia.1 con g(X) = (X – μ) 2.

  Sea X una variable aleatoria con distribución de probabilidad f (x) y media μ. σ será mucho menor para un conjunto de valores x que estén cercanos a μ. que para un conjunto de valores que varíe de forma considerable de μ. σ. y σ2= E[(X −μ)2] = (x −μ)f(x) dx. La varianza de X es: σ2= E[(X −μ)2] = (x −μ)2 f(x). La cantidad x – μ en la definición 4. Como estas desviaciones se elevan al cuadrado y después se promedian.3 se llama desviación de una observación respecto a su media. si X es discreta. . se llama desviación estándar de X. si X es continua. La raíz cuadrada positiva de la varianza.

que a menudo simplifica los cálculos.  Una fórmula alternativa que se prefiere para calcular σ. se establece en el siguiente teorema. .   La varianza de una variable aleatoria X es σ = E(X) −μ.

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: y para la empresa B es: Demuestre que la varianza de la distribución de probabilidad para la empresa B es mayor que la de la empresa A.

6.3) +(3)(0.3) = 0.3) = 2.6. y entonces… σ2AB= (x −2)2 = (1 −2)2(0.3)+(4)(0.3)+(4−2)2(0.1) = 2.3)+ (2−2)2(0.1)+(2)(0. Para la empresa B tenemos: μB = E(X ) = (0)(0.1) +(2−2)2(0.4)+(3−2)2(0.3) +(3−2)2(0. y entonces σ2B = (x −2)2 f(x) = (0−2)2(0.4)+(3)(0.0 .0. .3) +(2)(0.2)+(1)(0.SOLUCIÓN Para la empresa A encontramos que: μA= E(X ) = (1)(0.1) = 1.2)+(1−2)2(0.

La primera integral de la derecha es E(X) y la segunda integral es igual a 1. . Al establecer que b = 0 vemos que E(aX) = aE(X). Por lo tanto. • • Al establecer que a = 0 vemos que E(b) = b. entonces: E(aX+ b) = aE(X)+ b. Prueba: Por la definición de valor esperado:   E(aX +b) = (ax +b) f(x) dx = a x f(x) dx +bf(x) dx.MEDIAS Y VARIANZAS DE COMBINACIONES LINEALES DE VARIABLES ALEATORIAS Si a y b son constantes. E(aX +b) = aE(X)+ b.

esperaríamos que la mayoría de los valores se agrupen alrededor de la media. por lo tanto. Por lo tanto. Si pensamos en la probabilidad en términos de área.2(b).2(a). esperaríamos una distribución continua con un valor grande de σ para indicar una variabilidad mayor y. como en la fi gura 4. Una distribución con una desviación estándar pequeña debería tener la mayor parte de su área cercana a μ. la probabilidad de que una variable aleatoria tome un valor dentro de cierto intervalo alrededor de la media es mayor que para una variable aleatoria similar con una desviación estándar mayor. esperaríamos que el área esté más extendida. .TEOREMA DE CHEBYSHEV Si una variable aleatoria tiene una varianza o desviación estándar pequeña. como en la fi gura 4.

Es decir: P(μ −kσ < X < μ+kσ) ≥ 1−1/k2 . De manera similar. el teorema afirma que al menos ocho novenos de las observaciones de cualquier distribución caen en el intervalo μ ± 3σ . Para k = 2 el teorema establece que la variable aleatoria X tiene una probabilidad de al menos 1-1/22 = 3/4 de caer dentro de dos desviaciones estándar a partir de la media. que tres cuartas partes o más de las observaciones de cualquier distribución se localizan en el intervalo μ ± 2σ.(Teorema de Chebyshev): La probabilidad de que cualquier variable aleatoria X tome un valor dentro de k desviaciones estándar de la media es de al menos 1 – 1/k2 . es decir.

Solución: a) P(−4 < X < 20) = P[8−(4)(3) < X < 8+(4)(3)] ≥ 15/16 . Calcule: a) P(−4 < X < 20). b) P(|X−8| ≥ 6) = 1−P(|X −8| < 6) = 1−P(−6 < X −8 < 6) = 1−P[8−(2)(3) < X < 8+(2)(3)] ≤ 1/4 . una varianza σ2 = 9 y una distribución de probabilidad desconocida. b) b) P(|X −8|≥6).EJERCICIO Una variable aleatoria X tiene una media μ = 8.