Académique Documents
Professionnel Documents
Culture Documents
Momentos:
Los momentos de una variable aleatoria son los que nos permiten conocer su forma funcional, as como tambin su
grfica. Los momentos se pueden diferenciar en Momentos Absolutos (centrados respecto del origen) y Momentos
Centrados (respecto de la media).
Momentos Absolutos (%& ):
Los momentos absolutos de orden k son los que se definen como (() & ). Dicha esperanza se calcular de acuerdo a
si la Variable Aleatoria se corresponde al entorno discreto o continuo.
Es importante mencionar que el momento absoluto de orden 1 es la esperanza matemtica:
%/ = (()/ ) = (())
Los momentos centrados de orden k son los que se definen como (2() %)& 4. Dicha esperanza se calcular de
acuerdo a si la Variable Aleatoria se corresponde al entorno discreto o continuo.
Es importante mencionar que el momento centrado de orden 2 es la varianza:
16 = (2() %)6 4 = 7())
Como vemos, el momento centrado es la esperanza de un binomio expresado a una potencia k. Podemos expandir
dicha potencia recordando el binomio de Newton:
(= +
?)@
C
= A B D = E ? @FE
)
EGH
K
1& = (2() %)& 4 = ( IA J M ) N (%)&FN O
L
&4
(2() %)
&
NGH
K
= A J M (%)&FN (P) N Q
L
NGH
K
&FN
(2() %)& 4 = A J M R(())S (P) N Q
L
NGH
(2()
%)& 4
&
K
= A J M (%/ )&FN %N
L
NGH
Ejemplo: Varianza:
(2()
%)6 4
2
= A J M (%/ )6FN %N
L
NGH
2
2
2
(2() %)6 4 = J M (%/ )6 %H + J M (%/ )/ %/ + J M (%/ )H %6
0
1
2
(2() %)6 4 = 1 . %6 . 1 + 2(%)% + 1.1. %6
Organizando:
(2() %)6 4 = %6 %6
La funcin generatriz de momentos se define como la Esperanza Matemtica de una funcin que se compone de la
multiplicacin de una Variable Aleatoria ()) por una Variable Real (X) en un exponente. Dicha esperanza da como
resultado una funcin cuya pendiente evaluada en un entorno de X nos da como resultado el primer momento de la
Variable Aleatoria en cuestin. De forma ms genrica, puede decirse que la derivada k-sima de la FGM evaluada
en X = 0 nos da como resultado el momento absoluto de orden k.
Entonces, defnase a la FGM de la variable aleatoria ) como:
[E (X) = ((\ ]E )
Teniendo en cuenta que la esperanza es la Suma-Producto de la variable por su respectiva probabilidad, y que esta
probabilidad no incluye a la Variable Real X se puede introducir el diferencial dentro de la esperanza:
^((\ ]E )
^\ ]E
|]GH = ( a
| b
^X
^X ]GH
Si resolvemos la derivada:
(a
^\ ]E
| b = ((\ ]E . )|]GH ) = (()) = %/
^X ]GH
^6 [E (X)
^6 ((\ ]E )
^(\ ]E . ))
|]GH =
|]GH = ( a
|]GH b =
^X. ^X
^X. ^X
^X
(a
^(\ ]E . ))
|]GH b = ((\ ]E . ). )|]GH ) = ((\ ]E . ) 6 |]GH ) = (() 6 ) = %6
^X
Genricamente:
^& [E (X)
|]GH = ((\ ]E . ) & |]GH ) = (() & ) = %&
^X&
Distribucin
Binomial: d()) = R@ESd E (1 d)@FE
Poisson: d()) = \ Ff
[E (X) = \ i
fg
E!
nFo
/
FGM
[E (X) = (e + d\ ] )@
r6t
;= < ) < ?
.\
u gwx v
D
v y
F B
j fFf
X F/
l X F/
l
[E (X) = J1 M = J
M =
l
l
lX
\ ]n \ ]o
[E (X) =
X(? =)
[E (X) = \ z]{
rv]v
6
2.
3.
4.
La FGM de una sumatoria de Variables Aleatorias Independientes es la productoria de cada una de las
FGM de esas Variables Aleatorias.