F(X) = Función de distribución, f(x) = Función de densidad

Discreto Continuo ∞
𝜇𝑖′ = 𝐸[𝑌 𝑖 ] = ∫ 𝑦 𝑖 𝑓(𝑦)𝑑𝑦 = 𝑚𝑖 (𝑡)
𝑥 −∞
𝐹(𝑋) = ∑ 𝑓(𝑢) 𝐹(𝑋) = ∫ 𝑓(𝑢)𝑑𝑢
𝑢≤𝑥 −∞ 𝜇𝑖 = 𝐸[(𝑌 − 𝜇)𝑖 ]
∞
Valor esperado: 𝐸[𝑋] = 𝜇 = ∫ (𝑌 − 𝜇)𝑖 𝑓(𝑦)𝑑𝑦
−∞
∞
𝐸[𝑋] = ∑ 𝑥 𝑓(𝑥) 𝐸[𝑋] = ∫ 𝑥𝑓(𝑥)𝑑𝑥
−∞ Sesgo
𝜇3
𝐸[𝑔(𝑥)] = ∑ 𝑔(𝑥)𝑓(𝑥) ∞ 𝛼3 (𝑌) =
(√𝜇2 )3 𝜇3 = 𝜇3′ − 3𝜇2′ 𝜇1′ + 2(𝜇1′ )3
𝐸[𝑔(𝑥)] = ∫ 𝑔(𝑥)𝑓(𝑥)𝑑𝑥
−∞
Curtosis 𝜇4 = 𝜇4′ − 4𝜇3′ 𝜇1′ + 6𝜇2′ (𝜇1′ )2 + 3(𝜇1′ )4
𝜇4
𝛼4 (𝑌) =
Varianza: 𝑉(𝑌) = 𝜎 2 = 𝐸[(𝑌 − 𝜇)2 ] (𝜇2 )2

La varianza también puede obtenerse de la siguiente manera: Distribución de probabilidad conjunta

𝑦1 𝑦2 𝑦1 𝑦2
𝜎 2 = 𝐸[(𝑌 − 𝜇)2 ] = 𝐸[𝑌 2 ] − 𝜇2 = 𝜇2′ − 𝜇2
𝐹(𝑌1 , 𝑌2 ) = ∑ ∑ 𝑓(𝑡1 , 𝑡2 ) 𝐹(𝑌1 , 𝑌2 ) = ∫ ∫ 𝑓(𝑡1 , 𝑡2 )𝑑𝑡1 𝑑𝑡2
𝑡1 =∞ 𝑡2 =∞ −∞ −∞
∞
𝜎 2 = 𝐸[(𝑌 − 𝜇)2 ] 2 2] 2
𝜎 = 𝐸[(𝑌 − 𝜇) = ∫ (𝑌 − 𝜇) 𝑓(𝑦)𝑑𝑦
= ∑(𝑌 − 𝜇)2 𝑓(𝑦) −∞
Marginales

∞
Desviación estándar: la raíz positiva de la varianza 𝐹1 (𝑌1 ) = ∑(𝑌1̇ , 𝑌̅2 ) 𝐹(𝑌1 ) = ∫ 𝑓(𝑦1 , 𝑦2 )𝑑𝑦2
Función generadora de momentos (fgm): m(t) 𝑌2 −∞

𝑓𝑔𝑚 = 𝑚(𝑡) = 𝐸[𝑒 𝑡𝑦 ] Función condicional

𝑦1
𝑑 𝑓(𝑦1 , 𝑦2 )
𝐸[𝑌 𝑖 ] = 𝜇𝑖′ = 𝑚𝑖 (0) = 𝑖 𝑚(𝑡)|𝑡=0 𝑓(𝑦1 , 𝑦2 ) 𝐹(𝑌1 |𝑌2 ) = ∫
𝑑𝑡 𝑓(𝑦1 |𝑦2 ) = 𝑓2 (𝑦2 )
𝑓(𝑦2 ) −∞

∞ 𝑓(𝑦1 , 𝑦2 )
(𝑦 )
∑ 𝑒 𝑡𝑦 𝑓(𝑦) = 𝑚(𝑡) 𝑡𝑦
∫ 𝑒 𝑓(𝑦)𝑑𝑦 = 𝑚(𝑡) 𝑓(𝑦1 2 = { 𝑓2 (𝑦2 ) 𝑠𝑖 𝑓2 2 > 0
|𝑦 )
−∞ 0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Momento central

𝐸[(𝑌 − 𝜇)𝑖 ] = 𝜇𝑖
 Independencia entre dos VA: = 𝐸[𝑌1 𝑌2 ] − 𝐸[𝑌1 ]𝐸[𝑌2 ]

Se dice que dos VA son independientes si y solo si: Cuando la Covarianza sea 0 indica que las VA no están correlacionadas, lo cual
significa que son independientes
𝐹(𝑌1 , 𝑌2 ) = 𝐹(𝑌1 )𝐹(𝑌2 )
Coeficiente de correlación:

Valor esperado: 𝐶𝑜𝑣(𝑌1 , 𝑌2 )

∞ ∞ 𝜌=
𝜎1 𝜎2
𝐸[𝑌1 , 𝑌2 ] = ∫ ∫ 𝑦1 𝑦2 𝑓(𝑦1 , 𝑦2 )𝑑𝑦1 𝑑𝑦2
−∞ −∞
Valor esperado condicional
Si 𝑔(𝑦1 , 𝑦2 ) = 𝑌1
∞ ∞
𝐸[𝑔(𝑦1 )|𝑌2 = 𝑌2 ] 𝐸[𝑔(𝑦1 )|𝑌2 = 𝑌2 ]
∞
𝐸[𝑌1 ] = ∫ ∫ 𝑌1 𝑓(𝑦1 , 𝑦2 )𝑑𝑦1 𝑑𝑦2 = ∑ 𝑔(𝑦1 )𝑓(𝑦1 |𝑦2 )
= ∫ 𝑔(𝑦1 )𝑓(𝑦1 |𝑦2 ) 𝑑𝑦1
−∞ −∞ −∞
∞ ∞

∫ 𝑌1 ( ∫ 𝑓(𝑦1 , 𝑦2 )𝑑𝑦2 ) 𝑑𝑦1

−∞ −∞ 𝐸[𝑌1 ] = 𝐸[[𝐸[𝑌1 |𝑌2 ]]
Donde:
∞
𝑉(𝑌1 |𝑌2 = 𝑌2 ) = 𝐸[𝑌1 2 |𝑌2 = 𝑌2 ] − 𝐸[𝑌1 |𝑌2 = 𝑌2 ]2
∫ 𝑓(𝑦1 , 𝑦2 )𝑑𝑦2 = 𝑚𝑎𝑟𝑔𝑖𝑛𝑎𝑙 𝑑𝑒 𝑌1 = 𝑓1 (𝑦1 )
−∞
Entonces
∞

∫ 𝑌1 𝑓1 (𝑦1 ) 𝑑𝑦1
−∞

∞
Para el K-esimo momento: 𝐸[𝑌1 𝑘 ] = ∫−∞ 𝑌1 𝑘 𝑓1 (𝑦1 ) 𝑑𝑦1

Varianza: 𝑉(𝑌1 ) = 𝐸[𝑌1 2 ] − 𝐸[𝑌1 ]2

𝐸[𝑌1 − 𝑌2 ] = 𝐸[𝑌1 ] − 𝐸[𝑌2 ]

Covarianza:

𝐶𝑜𝑣(𝑌1 , 𝑌2 ) = 𝐸[(𝑌1 − 𝜇1 )(𝑌2 − 𝜇2 )]