Probabilidades y Estadstica (Computacin) Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires Ana M. Bianco y Elena J.

Martnez

2004

Funcin generadora de momentos:

Definicin: Si X es una variable aleatoria, el momento de orden k de X se define como

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

t (h, h), h > 0 . Esta ltima es una

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

Lema: Si la funcin g(t) definida por

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

t (h, h) para algn h > 0 , aplicando el lema,

n M X (t ) n e tx = n p( x) t n t x n M X (t ) = x n e tx p( x) t n x
Evaluando estas derivadas en 0 ,

Demostracin del Teorema: Si la funcin generadora de momentos existe para todo

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 =

siempre que t < . Calculemos ahora E(X) y V(X).

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

Calculemos ahora E(X) y V(X).

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

Entonces, V ( X ) = E ( X 2 ) (E ( X ) ) = n(n 1) p 2 + np (np ) = np 2 + np = np(1 p).

2

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.

Distribucin Bi(n,p) P() N(, )

2
t

M X (t )

(e p + 1 p ) n (et 1)
e
e

2 t 2 + t
2

E() G(,) U(a,b) G(p) BN(r,p)

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