El valor esperado es una de las ideas fundamentales en estadística y teoría de probabilidad. Sirve como una medida central de una variable aleatoria y, al mismo tiempo, como una guía práctica para tomar decisiones en presencia de incertidumbre. Este artículo ofrece una visión amplia y detallada del valor esperado, con ejemplos claros, fórmulas para variables discretas y continuas, relaciones con la varianza y la utilidad, y aplicaciones en finanzas, juegos y procesos de decisión. Si buscas entender el valor esperado de un experimento y saber cómo utilizarlo para evaluar diferentes escenarios, estás en el lugar adecuado.
Qué es el Valor Esperado
El valor esperado, también conocido como esperanza matemática, es una medida teórica que representa el resultado promedio al que se podría llegar si repitiéramos un experimento muchas veces bajo las mismas condiciones. En términos simples, es el promedio ponderado de todos los posibles resultados, donde cada resultado se pondera por su probabilidad de ocurrencia. En un lenguaje práctico: el valor esperado nos dice cuál sería el resultado «promedio» a largo plazo si se pudiera realizar el experimento innumerables veces.
Cálculo del Valor Esperado en Variables Discretas
Fórmula básica
Para una variable discreta X que toma valores x1, x2, …, xn con probabilidades p1, p2, …, pn (donde ∑ pi = 1), el valor esperado se define como:
E[X] = ∑_{i=1}^n x_i p_i
Esta definición se aplica a cualquier conjunto finito o incluso infinito de resultados posibles, siempre que la suma exista. La idea central es que resultados más probables deben contribuir más al promedio esperado.
Ejemplo paso a paso
Supongamos un juego en el que obtienes los siguientes pagos según el número obtenido al tirar un dado cargado:
- 1 punto: 0 euros, probabilidad 0.10
- 2 puntos: 2 euros, probabilidad 0.20
- 3 puntos: 3 euros, probabilidad 0.25
- 4 puntos: 5 euros, probabilidad 0.20
- 5 puntos: 1 euro, probabilidad 0.15
- 6 puntos: 10 euros, probabilidad 0.10
El valor esperado es:
E[X] = (0)(0.10) + (2)(0.20) + (3)(0.25) + (5)(0.20) + (1)(0.15) + (10)(0.10) = 0 + 0.40 + 0.75 + 1.00 + 0.15 + 1.00 = 3.30 euros.
Interpretación: en promedio, si jugaras muchas veces este juego, esperarías ganar 3.30 euros por jugada. Sin embargo, cuidado con la interpretación literal para una sola jugada: el valor esperado no te dice cuánto ganarás en una ronda única, sino el promedio a largo plazo.
Cálculo del Valor Esperado en Variables Continuas
Fórmula para variables continuas
Si X es una variable continua con función de densidad f(x), el valor esperado se define como:
E[X] = ∫_{-∞}^{∞} x f(x) dx
La integral representa el promedio ponderado de todos los posibles valores, donde la densidad f(x) actúa como la probabilidad por unidad de valor. Esta definición es la extensión natural de la versión discreta, y se aplica a distributions continuas comunes como la normal, la exponencial, la uniforme, entre otras.
Ejemplo con distribución uniforme
Considera una variable X que toma cualquier valor entre 0 y 1 con densidad constante f(x) = 1 en ese intervalo. El valor esperado es:
E[X] = ∫_{0}^{1} x·1 dx = [x^2/2]_{0}^{1} = 1/2 = 0.5
Interpretación: si se pudiera seleccionar un valor al azar entre 0 y 1 de forma uniforme, el promedio de muchos intentos sería 0.5.
Propiedades Clave del Valor Esperado
Linealidad de la esperanza
Una de las propiedades más útiles es la linealidad. Si X e Y son variables aleatorias con valores esperados finitos y a y b son constantes, entonces:
E[aX + bY] = a E[X] + b E[Y]
Esta propiedad facilita el manejo de transformaciones lineales y es fundamental para deribar otras medidas como la varianza y la desviación típica.
Relación con la varianza
La varianza mide la dispersión respecto a la media y se define como Var(X) = E[(X – E[X])^2]. A partir de esta definición surge una relación útil: Var(X) = E[X^2] – (E[X])^2. Comerciar con la media por sí sola no describe el riesgo, pero al combinarla con la varianza se obtiene una imagen más completa de lo que puede ocurrir en el corto y el mediano plazo.
Propiedades de constantes y transformaciones
Si a es constante, E[a] = a; si Z = X + c, entonces E[Z] = E[X] + c. Estas simples propiedades permiten simplificar cálculos cuando X representa beneficios o costos con ajustes constantes.
Valor Esperado y Utilidad
Valor esperado frente a utilidad esperada
En decisiones bajo incertidumbre, a menudo no basta con el valor esperado de los resultados. Puede que las personas prefieran ciertos resultados en lugar de probabilidades equilibradas, incluso si el valor esperado es el mismo. Por ello existe la noción de utilidad, que transforma resultados monetarios en una medida de satisfacción o utilidad. La utilidad esperada es entonces la esperanza de la utilidad U(X):
E[U(X)] = ∑ U(x_i) p_i (discreto) o E[U(X)] = ∫ U(x) f(x) dx (continuo).
Este enfoque da cuenta de la aversión o preferencia al riesgo. Por ejemplo, dos inversiones con el mismo valor esperado pueden tener utilidades distintas si una ofrece mayor certidumbre o si la función de utilidad penaliza la variabilidad de los resultados.
Aplicaciones Prácticas del Valor Esperado
Finanzas y valoración de proyectos
En finanzas, el valor esperado se utiliza para valorar activos, proyectos de inversión y seguros. Por ejemplo, al evaluar un proyecto, se pueden ponderar los flujos de caja futuros por sus probabilidades y descontarlos al valor presente para obtener el valor esperado neto. Este enfoque facilita comparar proyectos con diferentes perfiles de riesgo y rentabilidad.
Juegos de azar y decisiones cotidianas
En juegos de cartas, dados o loterías, el valor esperado permite decidir si aceptar una apuesta. Si el costo de participar es C y el pago esperado descontado es P, entonces la apuesta es atractiva cuando E[P] > C. A nivel práctico, este marco ayuda a evitar decisiones impulsivas basadas solo en ganancia potencial sin considerar probabilidades.
Toma de decisiones en incertidumbre
En áreas como economía, ingeniería o salud, el valor esperado se utiliza para sopesar diferentes estrategias ante incertidumbre. A menudo se complementa con análisis de sensibilidad, escenarios y simulaciones para comprender cómo cambian las conclusiones cuando las probabilidades o magnitudes de los resultados se alteran.
Algunas trampas habituales incluyen:
- Confundir el valor esperado con la ganancia garantizada en una única ronda.
- Ignorar la dispersión: dos opciones pueden tener el mismo valor esperado pero distinto riesgo (varianza).
- Omitir la diferencia entre valor esperado y utilidad esperada cuando se trata de decisiones humanas.
- Ignorar problemas de dependencia entre variables cuando se analizan múltiples decisiones simultáneas.
Herramientas para Calcula el Valor Esperado en Software
Excel
En Excel, el valor esperado para un conjunto de resultados y probabilidades se puede obtener con la función SUMPRODUCT. Por ejemplo, si los valores posibles están en A2:A7 y las probabilidades en B2:B7, la fórmula es:
=SUMPRODUCT(A2:A7, B2:B7)
Python
En Python, se puede calcular el valor esperado con una suma ponderada o mediante bibliotecas como NumPy. Ejemplo:
import numpy as np
valores = np.array([x1, x2, x3, ...])
probabilidades = np.array([p1, p2, p3, ...])
valor_esperado = np.sum(valores * probabilidades)
R
En R, se puede usar la suma ponderada para obtener el valor esperado:
valores <- c(x1, x2, x3, ...)
prob <- c(p1, p2, p3, ...)
valor_esperado <- sum(valores * prob)
Conclusiones y reflexiones finales sobre el Valor Esperado
El valor esperado es una herramienta poderosa para entender y gestionar la incertidumbre. Ofrece una forma clara de resumir el rendimiento esperado de una variable aleatoria y sirve como base para decisiones racionales en escenarios de riesgo. Sin embargo, para decisiones reales, conviene combinar el cálculo del valor esperado con consideraciones de utilidad, riesgos, y preferencias individuales. Al hacerlo, se obtiene una visión más completa para orientar acciones en finanzas, ingeniería, ciencias y negocios.
Casos prácticos adicionales para reforzar el concepto de Valor Esperado
Caso 1: Seguro y primas
Un seguro tiene una prima de 100 euros. Si ocurre un siniestro, el asegurado podría recibir 300 euros; si no ocurre siniestro, no recibe nada. Suponiendo que la probabilidad de siniestro es 0.25, ¿cuál es el valor esperado para el asegurado?
Resultado: E[X] = 0.25·300 + 0.75·0 = 75 euros. Si la prima es 100 euros, el valor esperado de contratar el seguro desde la perspectiva del asegurado es negativo (-25 euros). Esto ayuda a decidir si contratar o no el seguro, dependiendo de la utilidad y de las preferencias al riesgo.
Caso 2: Invertir en dos proyectos
Proyecto A: ganancia de 1200 euros con probabilidad 0.4, o -200 euros con probabilidad 0.6.
Proyecto B: ganancia de 800 euros con probabilidad 0.8, o -100 euros con probabilidad 0.2.
Valores esperados: E[A] = 0.4·1200 + 0.6·(-200) = 480 – 120 = 360 euros. E[B] = 0.8·800 + 0.2·(-100) = 640 – 20 = 620 euros. A nivel puramente probabilístico, B tiene mayor valor esperado, aunque el riesgo de A podría ser mayor. La decisión depende de la aversión al riesgo y de la utilidad marginal de cada individuo.
Guía rápida para estudiar el Valor Esperado
- Identifica la variable aleatoria y sus posibles resultados junto con sus probabilidades o densidades.
- Si es discreta, usa E[X] = ∑ x_i p_i; si es continua, usa E[X] = ∫ x f(x) dx.
- Aplica la linealidad para transformaciones simples y para sumar efectos cuando hay múltiples variables.
- Considera la utilidad esperada cuando las preferencias al riesgo son relevantes.
- Complementa con análisis de varianza o desviación estándar para entender la dispersión de los resultados.