📐 Esperanza, Varianza y Momentos

Los números que resumen una distribución: centro, dispersión y forma

Esperanza Varianza Momentos Chebyshev
Módulo 6 de 12
💡 Piénsalo así: La esperanza es como el centro de gravedad de una distribución: el punto de equilibrio. La varianza es qué tan dispersos están los datos alrededor de ese centro. Si la esperanza es la dirección que señala tu GPS, la varianza es qué tan ancha es la carretera.

🎯 ¿Que aprenderas en este modulo?

Esperanza (Valor Esperado)

📐 Definición: Caso Discreto

E[X] = ∑ x · P(X=x). Suma ponderada de todos los valores posibles por su probabilidad.

E[X] = ∑ x · p(x)

📐 Definición: Caso Continuo

E[X] = ∫ x · f(x) dx. Integral de x por la función de densidad.

E[X] = ∫ x f(x) dx

📏 Propiedades de E[·]

Linealidad: E[aX + b] = aE[X] + b. E[X + Y] = E[X] + E[Y].

E[aX+b] = aE[X] + b

⚖️ Esperanza de función

E[g(X)] = ∑ g(x) · p(x) en discreto; = ∫ g(x) f(x) dx en continuo.

Varianza y Desviación

Varianza

Var(X) = E[(X-μ)²]

Var(X) = E[X²] - (E[X])²

Desviación Estándar

σ = √Var(X)

Misma unidad que X. Más interpretable.

Propiedades de Var

Var(aX+b) = a²Var(X)

La constante no afecta la dispersión.

Desigualdad Chebyshev

P(|X-μ|≥kσ) ≤ 1/k²

Para cualquier distribución con varianza finita.

Calculadora de Momentos

Ingresa un conjunto de datos y calcula media, varianza y desviación.

Presiona "Calcular" para ver los momentos.
Mini Quiz: Esperanza y Varianza
💡 Responde las preguntas sobre esperanza, varianza y momentos.

📖 Resumen del modulo