Mostrando entradas con la etiqueta esperanza matemática. Mostrar todas las entradas
Mostrando entradas con la etiqueta esperanza matemática. Mostrar todas las entradas

martes, 3 de marzo de 2015

Sea la variable discreta $X$ con la siguiente distribución de probabilidad: $\lbrace x_i=i, P_{X}(x_i)=k/2^i \rbrace$, $i=1,2,\ldots,n,\ldots$. Se pide ...

ENUNCIADO:
Sea la variable discreta $X$ con la siguiente distribución de probabilidad: $\lbrace x_i=i, P_{X}(x_i)=k/2^i \rbrace$, $i=1,2,\ldots,n,\ldots$. Se pide:
a) Calcular el valor de la constante de normalización, $k$, para que la función de masa $P_{X}(i)$ esté bien definida
b) Calcular la esperanza matemática $E[X]$

SOLUCIÓN:
(a)
Para que la función de masa esté bien definida debe estar normalizada a la unidad, por tanto
$$\displaystyle \sum_{i=1}^{\infty}\,\dfrac{k}{2^i}=1$$
como $k$ es constante,
$$\displaystyle k\,\sum_{i=1}^{\infty}\,\left(\dfrac{1}{2}\right)^i=1$$
y despejando,
$$\displaystyle k = \dfrac{1}{\displaystyle \sum_{i=1}^{\infty}\,\left(\dfrac{1}{2}\right)^i}$$
El denominador es la suma de los $n$ términos consecutivos de una sucesión geométrica de razón $1/2$ y primer término igual a $1/2$, con $n \rightarrow \infty$, y que, por tanto es igual a $$\lim_{n \rightarrow \infty} \, \dfrac{1}{2}\left(\dfrac{\left(1/2\right)^{n}-1}{1/2-1}\right)=1$$
y por tanto
$$k=1$$
con lo cual
$$P_{X}(x_i)=1/2^i, i=1,2,\ldots,n,\ldots$$

(b)
Por definición de esperanza matemática de una variable aleatoria,
$$E[X]=\displaystyle \sum_{i=1}^{\infty}\,i\,\dfrac{1}{2^i} \quad \quad (1)$$

Así, pues, debemos averiguar ahora el valor de la suma de los infinitos términos de la sucesión aritmético-geométrica cuyos términos son $\dfrac{i}{2^i}$, para $i=1,2,\ldots, n, \ldots $

Denotando por $S_n$ a $\displaystyle \sum_{i=1}^{\infty}\,\dfrac{i}{2^i}$, podemos escribir:

$S_n=\dfrac{1}{2}+\dfrac{2}{2^2}+\dfrac{3}{2^3}+\dfrac{4}{2^4}+\ldots+\dfrac{n}{2^n}+\dfrac{n+1}{2^{n+1}}+\ldots$   (2)
y multiplicando ambos términos por $1/2$,
$\dfrac{1}{2}\,S_n=\quad \dfrac{1}{2^2}+\dfrac{2}{2^3}+\dfrac{3}{2^4}+\dfrac{4}{2^5}+\ldots+\dfrac{n}{2^{n+1}}+\ldots$   (3)

Restando la (3) de (2), miembro a miembro
$$\dfrac{1}{2}\,S_n=\dfrac{1}{2}+\dfrac{2-1}{2^2}+\dfrac{3-2}{2^3}+\dfrac{4-3}{2^4}+\ldots+\dfrac{n-(n-1)}{2^n}+\dfrac{(n+1)-1}{2^{n+1}}+\ldots$$
esto es
$$S_n=1+\dfrac{1}{2}+\dfrac{1}{2^2}+\dfrac{1}{2^3}+\ldots+\dfrac{1}{2^n}+\ldots$$
y como el segundo miembro es la suma de los infinitos términos de una sucesión geométrica de razón $r=\dfrac{1}{2}$ ( menor que uno y por tanto convergente ) y primer término igual a $1$, obtenemos
$$\displaystyle S_n=\lim_{n \rightarrow \infty}\,\dfrac{\left(1/2\right)^n-1}{1/2-1}=2$$

Por tanto, de (1),
$$E[X]=2$$

$\square$

[nota del autor]

lunes, 23 de febrero de 2015

Media y varianza de una distribución binomial

Sea una variable aleatoria $X \sim B(n,p)$, entonces $E[X]=np$ y $V[X]=npq$, donde $p$ denota la probabilidad de éxito, y $q=1-p$, la probabilidad de fracaso, en cualquiera de las $n$ pruebas de Bernouilli independientes. Vamos a justificar estas propiedades.

Como las $n$ pruebas de Bernouilli $B(1,p)$ son independientes, podemos contemplar la variable aleatoria $X \sim B(n,p)$ como $X_1+\ldots+X_n$, donde $X_i \sim B(1,n)$, $i=1,\ldots, n$. Entonces, por las propiedades de la esperanza matemática, $E[X]=E[X_1]+\ldots+E[X_n]$; y como $E[X_i]=1\cdot p + 0 \cdot q = p$; así, $E[X]=p+\overset{n}{\ldots}+p=np$

Veamos ahora la varianza. Por el hecho de ser las $n$ pruebas de Bernouilli, $\lbrace X_i \rbrace$, independientes, y como $X=X_1+\ldots+X_n$, podemos escribir la varianza de $X$ como la suma de las varianzas de dichas variables aleatorias de Bernouilli, esto es $V[X]=V[X_i]+\ldots+V[X_n]$. Dichas varianzas tienen todas el mismo valor; calculémoslo: como $V[X_i]=E[X_{i}^{2}]-\left(E[X]\right)^2$; donde $\left(E[X_i]\right)^2=p^2$ y $E[X_{i}^{2}]=1^{2}\cdot p +0^2 \cdot q=p$, obtenemos $V[X_i]=p-p^2=p(1-p)=pq$ para $i=1,\ldots,n$. Así, $V[X]=pq+\overset{n}{\ldots}+pq=npq$. $\square$

[nota del autor]