Esperanza matemática

1 · Definición

La esperanza matemática de una variable aleatoria es su valor medio teórico, calculado ponderando cada valor posible por su probabilidad:

$$E(X) = \sum_{x} x \cdot p(x) \qquad\text{(discreta)}$$ $$E(X) = \int_{-\infty}^{\infty} x \, f(x)\,dx \qquad\text{(continua)}$$

2 · El nombre engaña

“Esperanza” sugiere el valor que uno espera obtener, y casi nunca lo es.

Con la cantidad de caras al tirar tres monedas, $E(X) = 1{,}5$. Nunca van a salir una caras y media: la esperanza no es un valor posible de la variable.

Esa interpretación está garantizada por la ley de los grandes números: si el experimento se repite muchas veces, el promedio de los resultados converge a $E(X)$.

3 · Un ejemplo

Con $X$ = cantidad de caras en tres monedas:

$x$	$p(x)$	$x \cdot p(x)$
0	0,125	0,000
1	0,375	0,375
2	0,375	0,750
3	0,125	0,375
		1,500

$E(X) = 1{,}5$ caras, que es lo esperable por simetría: la mitad de tres.

4 · Sus dos propiedades

Se usan constantemente, casi siempre sin nombrarlas.

Es lineal.

$$E(aX + b) = a\,E(X) + b$$

Si a todos los sueldos se les suma un monto fijo, la media sube ese monto; si se los multiplica por un factor, la media se multiplica igual. Es lo que justifica que estandarizar corra la media a cero.

La esperanza de una suma es la suma de las esperanzas.

$$E(X + Y) = E(X) + E(Y)$$

Y esto vale siempre, incluso si $X$ e $Y$ están relacionadas. Es una propiedad más fuerte de lo que parece, y no tiene equivalente en la varianza, que sí exige independencia.

5 · Dónde aparece

En el juego y los seguros. La esperanza de la ganancia de una apuesta dice cuánto se gana o se pierde en promedio por jugada. En cualquier juego de casino es negativa para el jugador, y de ahí sale el negocio: la ley de los grandes números garantiza que, con suficientes jugadas, la casa cobra esa diferencia.

En la definición de insesgadez. Que un estimador sea insesgado significa exactamente $E(\hat{\theta}) = \theta$.

En toda la teoría posterior. La varianza se define como una esperanza; la covarianza también; los momentos que dan la asimetría y la curtosis, también.

6 · Esperanza y media muestral

	$E(X)$	$\bar{x}$
De dónde sale	Del modelo de probabilidad	De los datos observados
Es	Un parámetro fijo	Un estadístico que varía
Se conoce	Si se conoce el modelo	Se calcula siempre
Notación	$\mu$	$\bar{x}$

La media muestral es el estimador natural de la esperanza, y es insesgado: $E(\bar{x}) = \mu$.

7 · Errores frecuentes

• Esperar observar el valor esperado. $E(X) = 1{,}5$ caras no es un resultado posible.
• Confundir $E(X)$ con $\bar{x}$. Una es teórica, la otra observada.
• Olvidar ponderar por las probabilidades. El promedio simple de los valores posibles no es la esperanza, salvo que todos sean igualmente probables.
• Aplicar la linealidad a funciones no lineales. $E(X^2) \ne [E(X)]^2$, y esa diferencia es justamente la varianza.
• Creer que $E(X+Y) = E(X)+E(Y)$ necesita independencia. No la necesita. La que sí la necesita es la varianza de la suma.

@misc{estadistica_ar_esperanza_matematica,
  author       = {Montivero, Jorge Luis},
  title        = {{Esperanza matemática}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/esperanza-matematica}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-09-18}
}