A partir de la interpretación de una ley de
probabilidad como una distribución de masa, la esperanza de
una ley de probabilidad es el baricentro de esta distribución de
masa.
Leyes discretas.
Consideremos una
variable aleatoria discreta , que toma sus valores en
. Si la serie
converge,
entonces la
esperanza,
, es:
Este es el baricentro de los puntos de abscisa , cada uno con
el peso
.
Leyes continuas.
Sea una variable aleatoria continua, de
densidad
sobre
. Una densidad se interpreta como una distribución de masa
continua sobre
. Sigue siendo el baricentro lo que hay que
calcular. Si la integral
converge, entonces la
esperanza,
, es:
Demostración : La propiedad 1 es consecuencia de la linealidad de la suma
(para variables discretas) o de la integral (para variables
continuas). Demostraremos la propiedad 2 para variables
discretas.
Si, toma los valores
,
toma los valores
, como
e
son independientes, el par
toma los valores
con
probabilidad
. Por tanto tenemos:
![]() |
![]() |
![]() |
|
![]() |
![]() |
||
![]() |
![]() |
Presentamos algunos ejemplos de cálculo.
Este valor corresponde con el orden de magnitud esperado del
número de éxitos en tentativas si la probabilidad de éxito es
.
El número de veces que se ejecuta un lazo con la salida del lazo
determinada por un test aleatorio (con probabilidad de salida
), sigue la ley
. El numero medio de veces que se
ejecuta el lazo es
. En
repeticiones, el orden de
magnitud de pases será
. Por ejemplo:
supone como promedio llamadas de la función Random.
La tabla que presentamos a continuación da las esperanzas de las
leyes usuales, discretas y continuas.
Frecuentemente se encuentra el problema de calcular la esperanza
de una variable aleatoria que se expresa como función de otra
variable aleatoria, cuya ley es conocida:
.
Una primera solución consiste en determinar la ley de
para
después calcular su esperanza. La siguiente proposición demuestra
que esto no es necesario.
Los cálculos de varianzas del próximo parrafo son una aplicación
de esta proposición.