FUNCIN GENERATRIZ DE MOMENTOS Definicin

En probabilidad y estadstica, la funcin generadora de momentos o funcin generatriz de momentos de una variable aleatoria X es Sea X una variable aleatoria (El valor esperado): -b < t < b Siempre que esta esperanza exista. La funcin generadora de momentos se llama as porque, si existe en un entorno de t = 0, permite generar los momentos de la distribucin de probabilidad:

Si la funcin generadora de momentos est definida en tal intervalo, entonces determina unvocamente a la distribucin de probabilidad. Un problema clave con las funciones generadoras de momentos es que esos momentos y la propia funcin generadora podran no existir, en virtud de que las integrales no fuesen convergentes. Por el contrario, la funcin caracterstica siempre existe (porque la integral es una funcin limitada en un espacio de medida finita) y, de este modo, puede usarse en su lugar. De forma general, donde es un vector aleatorio n-dimensional, se usa en lugar de tX:

Clculo Si X tiene una funcin de densidad continua, f(x), entonces la funcin generadora de momentos viene dada por

Donde mi es el i-simo momento. MX( t) es, precisamente, la transformada bilateral de Laplace de f(x). Independientemente de que la distribucin de probabilidad sea continua o no, la funcin generadora de momentos viene dada por la integral de Riemann-Stieltjes

Donde F es la funcin de distribucin. Si X1, X2, ..., Xn es una secuencia de variables aleatorias independientes (y no necesariamente idnticamente distribuidas) y

Donde las ai son constantes, entonces la funcin de densidad de Sn es la convolution de la funcin de densidad de cada una de las Xi y la funcin generadora de momentos para Sn viene dada por

Para variables aleatorias multidimensionales X con componentes reales, la funcin generadora de momentos viene dada por

Donde t es un vector y

es el dot product.

Si X es una variable aleatoria discreta

Si la variable es continua

Puede demostrarse que si la funcin generadora de momentos existe, entonces es nica y determina por completo a la distribucin de probabilidad de X. Es decir, si dos variables aleatorias tienen la misma funcin generatriz de momentos, entonces, las dos variables tienen tambin la misma distribucin de probabilidad. Por otra parte, si la funcin generadora de momentos existe, entonces es indefinidamente derivable en t=0. Esto nos asegura que generar todos los momentos, de cualquier orden, de X en cero. En efecto:

Derivando

Para la derivada segunda, se tiene:

En general, siguiendo con el proceso de diferenciacin, se obtiene:

El mismo resultado se obtendra si se reemplaza la funcin exponencial por su desarrollo en serie de potencias alrededor de t=0.

Al derivar con respecto a t y calcular sus derivadas en t=0, se llegara al mismo resultado.

1. Funciones generadoras de momentos de algunas distribuciones discretas.

Binomial La funcin de probabilidad de la distribucin binomial B(n; p) es

La funcin generadora de momentos

Poisson La funcin de probabilidad de una variable aleatoria de Poisson de parmetro es:

La funcin generadora de momentos viene dada por:

Binomial negativa La funcin de probabilidad de una variable aleatoria binomial negativa de parmetros k y p es:

La funcin generadora de momentos est dada por

2. Funciones generadoras de momentos de algunas distribuciones continuas.

Normal La funcin de densidad de una variable aleatoria que se distribuye segn una normal de parmetros y est dada por

Empecemos calculando la funcin generadora de momentos centrales.

En el ltimo trmino, la parte de la integral y el factor donde se encuentra la raz cuadrada constituyen la funcin de distribucin de una variable aleatoria normal de parmetros N (+2t; ) extendida a toda la recta real, valiendo, por tanto, 1. La funcin generadora de momentos respecto del origen puede obtenerse fcilmente de

Uniforme La funcin de densidad de una variable aleatoria uniforme est dada por

La funcin generadora de momentos se obtiene de la manera siguiente:

Distribucin Gama La funcin de densidad de una variable aleatoria X que se distribuye segn una gama de parmetros y viene dada por

La funcin generadora de momentos se obtiene

Funcin exponencial negativa La funcin de densidad de una variable aleatoria X que se distribuye segn una exponencial negativa de parmetro , est dada por

La funcin generadora de momentos se obtiene

Queda

3.

Distribucin de una funcin de una variable aleatoria.

Sea X una variable aleatoria continua con funcin de densidad fX(x). Sea Y=g(X). Supongamos que g es una funcin inyectiva, creciente y diferenciable, entonces es posible determinar la funcin de densidad de Y de la manera siguiente:

Diferenciando y aplicando la regla de la cadena:

Si g(x) fuera decreciente, el resultado sera el mismo salvo que la derivada de una funcin decreciente sera negativa.

Teorema Sea X una variable aleatoria continua con funcin de densidad fX(x) y defnase Y=g(X). Si y=g(x); x=g-1(y) son funciones univaluadas, continuas y diferenciables y si y=g(x) es una funcin montona, la funcin de densidad de Y est determinada por

Donde Es el Jacobiano de la transformacin. Ejemplo 1 Sea X una variable aleatoria continua con funcin de densidad f(x;,,) donde , y son los parmetros de localizacin, escala y forma, respectivamente. El efecto del parmetro de localizacin puede notarse ms claramente si se considera la variable aleatoria normalizada Y= (X-)/ el cual no contiene a ni a . Mediante el empleo del teorema, la funcin de densidad de Y es: Despejando x= y + ; y dx/dy= . Se tiene:

En particular si X es una variable aleatoria gama cuya funcin de densidad es

La funcin de densidad de Y=X/ es: Despejando x= y; dx/dy= . Por tanto

De manera similar si X es una distribucin Weibull con funcin de densidad de probabilidad de

La funcin de densidad de Y=X/ es: Despejando x= y; dx/dy= . Por tanto

Si no existe parmetro de forma y si y son la media y la desviacin tpica de X, entonces la funcin de densidad de Y dar lugar a una funcin de densidad libre de parmetros con media cero y desviacin tpica 1. Un ejemplo de lo anterior lo tenemos con la funcin de densidad de la distribucin normal estandarizada. Ejemplo 2 Si la variable aleatoria X se encuentra uniformemente distribuida en el intervalo (0; ). Obtener la funcin de densidad de probabilidad de la funcin Y=c.sen(X) donde c es una constante positiva cualquiera. La funcin de densidad de X es

Despejemos x:

Como sen(x) es creciente para (0, /2) y decreciente para (/2, ) se obtiene: Para el intervalo (0, /2)

y para el intervalo (/2, )

La funcin de densidad de Y es:

Ejemplo 3 Sea Z una variable aleatoria, N(0; 1), normal con media 0 y desviacin tpica 1. Demostrar que Y = Z2 es una distribucin Chi-cuadrado con un grado de libertad. La funcin generadora de momentos de Z2 es:

Que como sabemos es la funcin generadora de momentos de la distribucin chi-cuadrado con un grado de libertad.

Propiedades De La Funcin Generatriz De Momentos La importancia de la funcin generadora de momentos, radica en el hecho de que ella es nica y determina completamente la distribucin de una variable aleatoria, esto es, si dos variables aleatorias tienen una misma funcin Generatriz de momentos, deben tener igual distribucin. La demostracin de esta propiedad omitida en estos apuntes, se basa en la unidad que existe entre la f.g.m . y la funcin de distribucin. La existencia de la funcin generatriz de momentos para -b<t<b, donde b es nmero positivo, garantiza la existencia de las derivadas de cualquier orden en t=0 . TEOREMA: Sea X una variable aleatoria con funcin generatriz de momentos Mx(t) . Sea y=a * x+b , entonces My(t) = ebt Mx(at)

Demostracin: My(t)= E(eyt)= E[et(ax+b)] = E(et*ax+tb)) = E(etax*etb)= etb*E(etax) My(t)= etb*Mx(ta) TEOREMA. Sean X, Y , variables aleatorias independientes y Z=X+Y , con funciones generatrices de momentos, Mx(t) , My(t) y Mz(t) respectivamente, entonces: Mz(t)=Mx(t)My(t) DEMOSTRACIN: Mz(t)= E[etz] = E[et(x+y)] = E(etx * ety) = Mx(t) * My(t) El teorema anterior, se puede generalizar a n variables aleatorias independientes, xi , con funcin generatriz de momentos :

ANEXO: Funcin caracterstica

La funcin caracterstica de una variable aleatoria o de su distribucin de probabilidad es una funcin de variable real que toma valores complejos, que permite la aplicacin de mtodos analticos (es decir, de anlisis funcional) en el estudio de la probabilidad. Definicin Dada una variable aleatoria su funcin caracterstica, que se denota mediante para real, se define como

Notar que se hace uso de la funcin exponencial compleja y denota la esperanza matemtica. Adicionalmente usando las propiedades de la funcin exponencial compleja, la funcin caracterstica se puede reescribir en trminos de una parte real y una imaginaria:

En caso de variable aleatoria discreta, se tiene que:

Y en caso continuo, as:

Momentos
Cuando los momentos de una variable aleatoria existen, se pueden calcular mediante las derivadas de la funcin caracterstica. Es as que se tiene

Frmula que se obtiene derivando formalmente a ambos lados de la definicin y tomando dos veces y sustituyendo resulta

, y derivando

.
Anlogamente se relacionan momentos y derivadas de rdenes superiores.

Momentos Con Respecto Al Origen Los momentos con respecto al origen de una variable aleatoria X , son los valores esperados de . Para variables aleatorias de tipo discreto. X1, X2 . . ., Xn se define el momento de orden con respecto al origen, como:

En variables continuas, es:

Momentos De Orden

Respecto A Una Constante En variables discretas;

Para variables continuas, se tiene:

Momentos De Orden Con Respecto A La Media Llamaremos, pues, de ahora en adelante, la media de la distribucin de la variable o media poblacional con la letra griega . respecto a , en variables discretas, es:

Luego el momento de orden

En variables continuas, es:

El momento de orden uno o primer momento, con respecto a

es igual a cero , o sea :

EJERCICIOS a) Supngase que un nmero se selecciona al azar entre los enteros del 1 al 20.

Sea X el nmero de sus divisores. Construir la funcin de densidad de X . Cul es la probabilidad de que haya 4 o ms divisores al extraer un entero al azar. SOLUCIN: Hagamos el siguiente anlisis; para detectar el nmero de divisores del 1 al 20, as: 1 2 3 4 5 6 7 8 9 10 11 12 12 14 15 16 17 18 19 20

1 2

1 3

1 2 4

1 5

1 2 3 6

1 7

1 2 4 8

1 3 9

1 2 5 10

1 1 11 2 3 4 6 12

1 1 13 2

1 3

1 2

1 1 17 2 3 6 9 18

1 1 19 2 4 5 10 20

7 5 4 14 15 8 16

Variable aleatoria que representa el nmero de divisores en los nmeros del 1 al 20. x f (x) 1 1/20 2 8/20 3 2/20 4 5/20 5 1/20 6 3/20

La probabilidad de que haya 4 o ms divisores, es:

b)

Se lanza un dado hasta que aparezca seis. Hallar la funcin de densidad del nmero de tiradas.

SOLUCIN: Sea X la variable aleatoria que nos representa el nmero de tiradas. Luego, puede ocurrir que aparezca, seis, en la primera tirada

Que aparezca al cabo de la segunda tirada, eso implica, que necesariamente en la primera tirada ocurrieran los resultados: 1, 2, 3, 4 o 5 nicamente y en la segunda aparecer el 6.

a)

De un lote de 10 televisores hay 4 defectuosos; se extrae una muestra de 3 sin reemplazamiento. Hallar la funcin de densidad del nmero de defectuosos en la muestra.

SOLUCIN: Sea X la variable aleatoria que representa el nmero de defectuosos en la muestra.

Los casos favorables pueden ocurrir de:

y los casos posibles son

o sea, el nmero total de muestras posibles de tamao 3.

__

c)

Dada la siguiente funcin de densidad: x 0 1 2 3 4 5 6 7

f (x)

2c

2c

3c

c2

2c2

7c2 +c

Encontrar C y hallar SOLUCIN: Sabemos que para que fx (x) sea funcin de densidad es necesario que se cumpla que:

Partiendo de

tenemos:

c + 2c + 2c + 3c + c 2 + 7c 2 + c = 1 10c 2 + 9c -1 = 0

Pero como Luego la tabla de probabilidades, queda: x f (x) 0 0 1 1/10 2 2/10 3 2/10 4 3/10 5 1/100 6 2/100 7 17/100

Ahora, Tambin se puede resolver esta pregunta, utilizando el complemento; ya que sabemos que la probabilidad en todo el espacio o recorrido de la variable es 1, tenemos: