Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Martnez
2004
E( X k )
siempre que la esperanza exista. Notemos que
E( X ) = E( X 2 ) = 2 + 2 E( X 3 ) E( X 4 )
1er momento: posicin 2do momento: relacionado con una medida de dispersin 3er momento: relacionado con una medida de asimetra 4to momento: relacionado con la kurtosis
Definicin: La funcin generadora de momentos de una v.a. X es una funcin a valores reales M X (t ) , definida como
tx e p X ( x) xR X M X (t ) = E (e tX ) = tx e f X ( x)dx
siempre que el valor esperado exista para todo
si X es discreta
si X es continua
condicin tcnica necesaria para que M X (t ) sea diferenciable en 0. Se denomina funcin generadora de momentos porque los momentos de X ( E ( X n ) ) pueden ser obtenidos derivando esta funcin y evaluando la derivada en t = 0, tal como lo establece el siguiente teorema. Teorema: Sea X una v.a. para la cual existe la funcin generadora de momentos M X (t ) , entonces
E( X n ) =
n M X (t ) t n t =0
La demostracin se basa en el siguiente lema de Clculo avanzado (ver por ejemplo, Advanced Calculus, D. Widder (1961)):
77
Probabilidades y Estadstica (Computacin) Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires Ana M. Bianco y Elena J. Martnez
2004
g (t ) = e p( x)
tx x
g (t ) = e tx f ( x)dx
converge para todo t ( h, h) para algn h > 0 , entonces existen las derivadas de orden n de g(t) para todo t ( h, h) y para todo n entero positivo y se obtienen como
n g (t ) n e tx = n p( x) t n t x
n g (t ) n e tx = f ( x)dx t n t n
n M X (t ) n e tx = f ( x)dx t n t n n M X (t ) n tx = x e f ( x)dx t n
n M X (t ) = x n p ( x) = E ( X n ) n t x t =0
n M X (t ) t n
=
t =0
f ( x)dx = E ( X n )
Ejemplos: 1) Sea X una v.a. con distribucin exponencial de parmetro , o sea con densidad
f X ( x ) = e x I ( 0, ) ( x)
M X (t ) = E (e ) = e e
tX tx 0
dx = e
0
( t ) x
dx =
( t ) e t
0
( t ) x
dx =
78
Probabilidades y Estadstica (Computacin) Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires Ana M. Bianco y Elena J. Martnez
2004
E( X ) =
M X (t ) t
2
=
t =0
= t t t = 0 ( t ) 2
=
t =0
Como V ( X ) = E ( X 2 ) (E ( X ) ) , calculemos E ( X 2 ).
E( X 2 ) =
2 M X (t ) t 2
= 1 .
=
t =0
t ( t )2
2 ( t ) = ( t ) 4 t =0
=
t =0
entonces, V ( X ) =
2) Sea X una v.a. con distribucin Binomial de parmetros, n y p, o sea X ~ Bi(n, p). Su funcin de probabilidad puntual es
n p X (k ) = p k (1 p) n k k
si 0 k n
n n n n = E (e tX ) = e t k p k (1 p) n k = (e t p) k (1 p) n k = (e t p + 1 p) n . M X (t ) k k =0 k =0 k
E( X ) =
M X (t ) t
=
t =0
(e t p + 1 p ) n t =
t =0
= n(e t p + 1 p) n 1 pe t
t =0
t =0
= np .
E( X 2 ) =
2 M X (t ) t 2
n(e t p + 1 p) n 1 pe t t
)
t =0
= n(n 1)(e t p + 1 p) n 2 pe t
( )
+ n(e t p + 1 p) n 1 pe t
2
= n(n 1) p 2 + np.
0
Propiedad: Sea X una v.a. con funcin generadora de momentos M X (t ) , entonces si Y = a X + b , entonces M Y (t ) = e bt M X (at ) . Dem: Ejercicio.
79
Probabilidades y Estadstica (Computacin) Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires Ana M. Bianco y Elena J. Martnez
2004
Unicidad de M X (t ) : Adems de permitir calcular momentos de una v.a., la funcin generadora de momentos permite identificar la funcin de densidad o de probabilidad de una v.a. debido a la propiedad de unicidad, la cual establece que hay una correspondencia uno a uno entre funciones de densidad o probabilidad y funciones generadoras de momentos. Teorema de Unicidad: Si existe la funcin generadora de momentos de una variable aleatoria, es nica. Adems la funcin generadora de momentos determina a la funcin de densidad o probabilidad de la v.a. salvo a lo sumo en un conjunto de probabilidad 0. A continuacin, presentamos una tabla con la funcin generadora de momentos de algunas de las distribuciones que hemos estudiado.
M X (t )
(e p + 1 p ) n (et 1)
e
e
2 t 2 + t
2
t
e tb e ta t (b a ) p et 1 (1 p ) e t
p et 1 (1 p ) e t
Ejercicio: Para qu valores de t existe cada una de las funciones generadoras de momentos de la tabla anterior?
80