PROPIEDADES PRINCIPALES DE LA ESPERANZA MATEMÁTICA, VARIANZA Y DESVIACIÓN ESTÁNDAR.
Esperanza matemática: (también llamada esperanza, valor esperado, media poblacional o media) de una variable aleatoria X , es el número que formaliza la idea de valor medio de un fenómeno aleatorio.
Varianza: se define como la esperanza del cuadrado de la desviación de dicha variable respecto a su media.
Desviación Estandar: se define como la raíz cuadrada de la varianza de la variable.
EJEMPLOS:
* (X) Medicamentos vencidos en el Hospital Pedro Emilio Carrillo, mes de Julio de 2014. Valera- Edo Trujillo.
X
|
0
|
1
|
2
|
P(X=x)
|
0,19
|
0,51
|
0,3
|
Esperanza matematica (X)
E(X)= Σ X. P(X=X)
E(X)= (0 . 0,19) + (1 . 0,51) + (2 . 0,3)
E(X)= 0 + 0,51 + 0,6 = 1,11 E(X)= 1,11
Varianza (X)
V(X)= Σ [X-E(X)]2 P(X=X)
V(X)= (0 – 1,11)2(0,19) + (1 – 1,11)2(0,51) + (2 – 0,3)2(0,3)
V(X)= 0,2340 + 0,0061 + 0,2376 = 0,4777 V(X)= 0,4777
Desviación Estandar
DE(X)= √V(X)
DE(X)=√ 0,4777 = 0,6911 DE(X)= 0,6911
* (Y) Medicamentos vencidos vencidos en el Hospital Pedro Emilio Carrillo, mes de Agosto de 2014. Valera- Edo Trujillo.
Y
|
0
|
1
|
2
|
P(X=X)
|
0,41
|
0,29
|
0,3
|
Esperanza Matematica (Y)
E(Y)= Σ Y. P(X=X)
E(Y)= (0 . 0,41) + (1 . 0,29) + (2 . 0.3)=
E(Y)= 0 + 0,29 + 0,6= 0,89 E(Y)= 0,89
Varianza (Y)
V(Y)= Σ [Y-E(Y)]2 P(X=X)
V(Y)= (0 – 0,89)2(0,41) + (1 – 0,89)2(0,29) + (2 – 0,89)2(0,3)
V(Y)= 0,3247 + 0,0035 + 0,3696= 0,6978 V(Y)= 0,6978
Desviacón estandar
DE(Y)= √V(Y)
DE(Y)= √0,6978= 0,8353 DE(Y)=0,8353
Considerando los resultados anteriores conozcamos las propiedades de cada una de ellas:
Propiedades de la Esperanza Matemática.
1) La esperanza matemática de una constante es igual a esa misma constante:
E(K)= K
E(2)= 2
2) Linealidad de la Esperanza matemática
- (Sabiendo que K=constante y X= variable)
E(K . X)= K . E(X)
E= 2 . 0 + 2 . 0,51 + 2 . 0,6 = 2 . 1,11
E= 0 + 1,02 + 1,2 = 2,22
E= 2,22= 2,22
- (Si X y Y son valores aleatorios)
E(X + Y)= E(X) + E(Y)
E(X +Y)= 1,11 + 0,89 = 2
Propiedades de la Varianza y Desviación estandar (en ambas se cumplen las mismas propiedades).
1) V(K)= 0
V(2)= (2 -2)2 . 2
V(2)= 0
2) V(K . X)= K2 . V(X)
2 . 0, 2340 + 2 . 0,0061 + 2 . 0,2376 = 22 . 0,4777
0,468 + 0,0122 + 0,4752 = 1,9108
0,9554 = 1,9108
Así se demuestra que si todos los datos se multiplican por una constante, la varianza queda multiplicada por el cuadrado de la constante.
3) V(X + Y)= V(X) + V(Y)
1,1755 = 1,1755
No hay comentarios.:
Publicar un comentario