Está en la página 1de 35

212|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

CAPTULO10
VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

10.1Introduccin

Despusdehaberestudiadolasbasesdelateoradelaprobabilidad,lasvariables
aleatorias,lasfuncionesdeprobabilidadylasfuncionesdedensidad,enestecaptulo
estudiaremos la otra forma de caracterizar a dichas distribuciones a partir de sus
parmetros mediante los cuales es posible representar la localizacin de la
distribucin, la dispersin de la variable aleatoria, el sesgo y el aplanamiento; estos
parmetros que pueden encontrarse si se conocen las funciones generadoras de los
momentos. Iniciaremos este captulo con un concepto central de la teora de la
probabilidad conocido como la esperanza matemtica o el valor esperado de la
variable aleatoria. Conviene indicar desde ahora que distinguiremos dos tipos de
parmetros; a los primeros las llamaremos los parmetros particulares que estn
comprendidosdentrodelasfuncionesdeprobabilidadoseaqueformanpartedeella
lo que hace ver que son familias de distribuciones y cada conjunto de valores, que
puedeserunoovarios,seleccionanunmiembrodelafamilia.
Porotrolado,lossegundosparmetros,sonlosparmetrosgeneralescaracterizan
lasmedidasdelocalizacin,dispersin,sesgoyaplanamiento;debencalcularseapartir
de los momentos y contienen a los parmetros particulares, como se ver en el
desarrollodelostemasdeestecaptulo.

10.2 Valores Esperados o Esperanzas de Variables Aleatorias y de Funciones de


VariablesAleatorias

En general, el valor esperado es una suma pesada de los valores de la variable


aleatoria o de una funcin de variables aleatorias, por las probabilidades de dichas
variables o de las funciones ver figura 10.1; que se denota por
, significa que
ES UN OPERADOR que acta sobre la VA o sobre la funcin de la VA y,
dependiendodeltipodevariablealeatoria,sedefinecomo:

,paralasVAsdiscretas;y

(10.1)

,paralasVAscontinuas.

(10.2)

Desde el punto de vista matemtico es necesario tener presente que: a) la


sumatoria o la integral puede no converger a un valor finito, en cuyo caso, el valor
esperadonoexiste;sinembargo,paralospropsitosdeestelibro,siempreexistirla
convergencia y b) el valor esperado es un operador que acta sobre variables
aleatoriasofuncionesdevariablesaleatorias.


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|213

Figura10.1DistribucindeprobabilidaddeunaVAdiscreta

Una primera interpretacin del valor esperado se ilustra con los siguientes
ejemplos.

Ejemplo10.1 SupngasequeelDirectordePEMEXExploracinProduccindebe
decidirsiendeterminadaregin,debeonoperforarunpozo.Loseventosposiblessin
A={sexistepetrleo}yB={noexistepetrleo},sinimportarelvolumen.Sitomala
decisindeperforaryencuentrapetrleoelvalordelpetrleoobtenidoserde$250,
elcostodelaperforacincostar$50yelbeneficionetoserentoncesde$200.Porel
contrario, si decide no perforar, puede someter a concurso con las compaas
petroleraslaperforacinconlassiguientesbases:$25porlosderechosdeperforacin
ms otros $25 si se descubre petrleo. El Director tiene la incertidumbre sobre el
hallazgodelpetrleoporloqueseasesoradelgrupodegelogosdePEPquesonms
expertosquelenlaexploracinquienes,basadosenlainformacinexistenteylas
pruebas geolgicas que practican, asignan la probabilidad de 0.25 de que s se
encontrar petrleo en dicha regin (todos los precios son figurados y estn en
millonesdepesos).
Conestainformacinseobtienelasiguientetabladepagos,comnmenteutilizada
enlateoradedecisiones:

TablaX.matrizdepagos

Estadodela
naturaleza(X)

Decisinpor
tomar

S
perforar
No
perforar

I:Sexiste
petrleo
200

II:NOexiste
petrleo
50

50

25

Paraevaluarestasituacin,seaplicaelvaloresperadoparalasdosalternativasde
decisin:

214|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

Sidecideperforar:
/I 200 0.25 50 0.75 12.50
Sidecidenoperforar:
/II 50 0.25
25 0.75 31.25

Por lo tanto, a la luz de estos resultados, la decisin debe ser No perforar. Cabe
observarqueunacosaeselvaloresperadoyotraeselvalordeseado.

Ejemplo 10.2 La proporcin de impurezas de una muestra de petrleo crudo se


modelaporlafuncindedensidad:

, 0
1
0

Para poder determinar el valor esperado de X, necesitamos primeramente


encontrarelvalordec.
Sabemosque
1
Conlocual,paranuestrocaso:

1,entonces

Sustituyendoelvalordecenlafuncindedensidad,calculemoselvaloresperado:

3
2

3
2

3
2

1
3 0

3
8

1
3

17
24

0.71

Que corresponde a la proporcin de impurezas esperadas, que en la estadstica


matemtica significa el valor promedio de cualquier variable aleatoria sobre un
nmeroindefinidodemuestreos,comosevermsadelante.

10.2.1Ellgebradelosvaloresesperados

Comoseobservaen(10.1)y(10.2),elvaloresperado Eesunasumaponderadade
los valores de X por sus probabilidades correspondientes, por lo que las reglas
algebraicasdelosvaloresesperadossonextensionesdelasreglasdelassumatorias
lasintegralessonsumasqueseaplicanalasVAdiscretasycontinuas.Porlautilidad
que tienen en la probabilidad, es altamente recomendable que se familiaricen con
ellas.

Regla1
Si c es una constante real, entonces, el valor esperado de la constante es la
constantemisma:

(10.3)

Demostracin:


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|215

Usando (10.2),

, puesto que

1.

Ejemplo 10.3 Si se ganar $10 independientemente del evento que ocurra, la


gananciaesperadaes$10.

Regla2
SicesunaconstanterealyelvaloresperadodeXes
,entonces:

(10.4)

Demostracin:

Usando(10.2),

Ejemplo10.4Sielvaloresperadodeltiempodearribodelosavionesalaeropuerto
delaCiudaddeMxicoes
ysesabequeunapersonaarribarelquintoaterrizaje,
entonceselvaloresperadodeltiempodeesperaes5
.

Regla3
SicesunaconstanterealyXesunavariablealeatoria,entonces:

(10.5)

Demostracin:

Usando(2)ylaRegla1:

Ejemplo10.5Sielcostodelaproduccindeunartculodependedelcostodelos
artculos fabricados X y de un costo fijo, representado por
2, se tiene
2
2;esdecir,elvaloresperadodelcostodependedelvalor
esperado de los artculos fabricados ms el costo fijo de los indirectos que para
nuestrocasoes2.

Las siguientes reglas devienen de uso del valor esperado como operador que se
aplica sobre su argumento una prueba ms formal implica la transformacin de
variables.

Regla4
Si X e Y son variables aleatorias y sus valores esperados son
y
,
respectivamente,entonces:

(10.6)

216|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

Ejemplo 6. Si un caballero invita a su novia a comer en un restaurante, y si las


funcionesdedistribucindelpreciodelosplatillosson:

Costodelosplatillos
Paraelcaballero:X
Parasunovia:Y
120
0.2
0.1
150
0.5
0.35
200
0.3
0.55

Elvaloresperadodeloquetendrquepagarelcaballeroes

120 0.2 150 0.5 200 0.3 159


120 0.1 150 0.35 200 0.55 174.5,conlocual:
159 174.5 333.5

Si,ademspaga10%depropina,entonces:

1.1
1.1
1.1
1.1 159 174.5
1.1 333.5 366.85

Cabe observar dos cosas: a) que


porque las distribuciones de X e Y
sondiferentesyb)laregla4semantieneparacualquierrelacinentreXeY.

Ejemplo10.7LafuncindecostosdelejemplodelaRegla3fuera

5
,entonces

5
5
5

Debetenersecuidadoalaplicareloperadorvaloresperado E asuargumento,pues
5
, igual sucede con funciones tales como
en el ejemplo anterior 5
5
5 y

Regla5
Si
esunafuncindeX,entonces,paravariablesaleatoriasdiscretas

(10.7)

yparalascontinuas,

(10.8)

Ejemplo 10.8 Si la funcin de costos del ejemplo anterior es

2,
entonces:

2
2
2

Regla6


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|217

Dadounnmerofinitodevariablesaleatorias,elvaloresperadodelasumadelas
variablesaleatoriasesigualalasumadesusvaloresesperados,osea,


(10.9)

Engeneral,paracualquiercombinacinlinealdevariablesaleatorias

dondelas sonconstantes,setiene


(10.10)

Ejemplo10.9Si
4 ,
3

2
setiene

4
3
2
4
3
2
.

ObsrveselaaplicacindeEcomooperadormatemtico.

10.3FuncionesGeneradorasdeMomentos

Lametodologaparagenerarmomentosesunaherramientapotentedelateorade
la probabilidad, porque es menos complicada que el clculo directo a partir de las
funcionesdeprobabilidad.
Existen muchos mtodos para generar los momentos que son tiles para diversas
tiposdevariablesaleatorias;as,laFuncinGeneradoradeMomentosFactorialeses
til para las variables aleatorias no negativas y enteras; a su vez, la Funcin
GeneradoradeMomentosseusaparalasvariablesaleatoriasdiscretasocontinuasy
negativasononegativas,paralascualessepuededefinirestafuncin;entantoquela
Funcin Caracterstica est definida para todas las variables aleatorias. Todas estas
Funciones son tiles para encontrar la distribucin y los momentos de sumas y
promedios pesados de variables aleatorias independientes; finalmente, con la
Transformada de Mellin es posible determinar la distribucin y los momentos de
productos o razones de variables aleatorias no negativas o independientes. Por otro
lado. Aqu presentaremos la Funcin Generadora de Momentos Factoriales y la
FuncinGeneradoradeMomentosporsusbastasaplicaciones.

10.3.1LaFuncinGeneradoradeMomentosFactoriales(FGMF)

Comoyaseanticip,silavariablealeatoria(VA)Xesdiscretacuyosvaloresposibles
son enteros y no negativos, como sucede con las distribuciones binomial, binomial
negativa,geomtrica,hipergeomtrica,Poissonyotrastodaslasculesseestudiarn
en otro captulo posterior; entonces, para cualquier nmero real para el cual
0
1, se define la Funcin Generadora de Momentos Factoriales de la
distribucindelaVAXcomo:

218|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

(10.11)

Como 0
1, 0
1 y 0
; con lo cual 0
1 es una
funcin bien definida. Cabe observar el valor esperado opera sobre . A los
momentosgeneradosporestafuncinselesrepresentancon
.

Ejemplo10.10CalculemoslaFGMFdeladistribucinBinomial.
Si
1
esladistribucinBinomialconparmetrosnyp,
/ ,
alsustituirlaen(3):

1
=
1

(10.11)

Ejemplo10.11CalculemoslaFGMFdeladistribucindeladistribucindePoisson

.Alsustituirlaen(10.3)tenemos:

(10.12)

10.3.1.1Propiedades

Propiedad1:Unicidad
La Funcin Generadora de Momentos Factoriales determina unvocamente la
funcinmasadeprobabilidaddecualquierVAdefinidasobrelosnmerosenterosno
negativos:

Si
0,
0
0 ypuededemostrarseque:

0 ,

1,2,3 ;
!

Donde
0
0 ; es decir,
se encuentra calculando la
derivadadeorden k de
respectoa evalundolapara
0ymultiplicndola
por .
!

Ejemplo10.12Paraladistribucinbinomial(4)encontremossuFMP.

Vimosde(10.4)que
1

Calculandolaprimeraderivadade
yavalundolaen
0setiene:


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|219

Conlocual:
1

.
1

2 2 0

0
1
1
,conlocual:

2
0
1
1
!

Siguiendoelmismoprocedimiento:

1
2
3
0
!

Engeneral:

0
1
!

(10.13)

Propiedad2:Losmomentosfactoriales

cuya Funcin Generadora de


Si X es una VA entera no negativa con FMP
MomentosFactorialeses
,ysielrmomentofactorialdeX

1
2
1
1
2
1

1
2
1
1
2
1

esfinito,entonces:

1
2
1

Ejemplo 10.13 Para la distribucin de Poisson se obtuvo

ecuacin(10.5)setiene:

220|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

Y,engeneral:

1
1
2
1
y
Entonces

1
1

;y
1
1
2

Propiedad3:Combinacioneslineales
Siaybsonconstantesenteraspositivas,entonces:

(10.14)

Ejemplo 10.14 Si X se distribuye conforme una distribucin geomtrica con


parmetro p, su FGMF es
; ahora bien, SI
1 tiene una
distribucinbinomialnegativaconparmetros
1y ,setiene

YlaFGMFdeladistribucinBinomialNegativacondichosparmetroses:

(10.15)

Propiedad4:Convolucin
Dadas las VAs X e Y independientes, enteras y no negativas con Funciones
GeneradorasdeMomentosFactoriales
y
,respectivamente,entoncesse
satisface:

(10.16)

Ejemplo 10.15 Si , , , , son VAs mutuamente independientes que se


distribuyenconformeaunadistribucindePoissonconparmetros ,
1,2,3. . ;y


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|221

FGMFs

, respectivamente; la suma de las VAs es


;aplicandolapropiedaddelaConvolucinsetiene:

La VA Y se distribuye conforme la distribucin de Poisson con parmetro

Propiedad5:Preservacindeloslmites
/ lafuncinmasadeprobabilidaddelosenteros
Paracada
1,2,3, sea
/ sucorrespondienteFGMF;entonces,si
nonegativosdeky

lim
/

(10.17)

eslaFGMFcorrespondientealaFMP
Donde
,secumpleque:

lim
/

,
0, 1,2,

Ejemplo 10.16 Ya vimos arriba que para la distribucin Binomial


1
ecuacin (10.4) y, para la de Poisson
ecuacin
(10.5); aplicando esta propiedad de preservacin de los lmites demostremos que,
cuando es muy grande, entonces la probabilidad Binomial
| ,
con
parmetrosny
!

seaproximaalasprobabilidadesdeladistribucindePoisson

conparmetro .

/
ParalaBinomial,

Cuando|
1 | 1,

/
1

, lim
/

1
2

Comolim

lim

1
3

1 ,dedonde:

lim

y,comoconsecuenciadeestapropiedad:

222|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

lim

/ ,

Lo que muestra que las probabilidades Binomiales


/ ,
para n grandes se
aproximanalasdePoisson
.Cabeobservarqueestapruebanousaelhechoque
,sinosolamentelaconsideracin lim

10.3.2FuncinGeneradoradeMomentosOrdinarios(FGM)

AdiferenciadelaFGMF,estafuncingeneralosmomentosordinariosdecualquier
variablealeatoria X,yaseadiscretaocontinua,quesondesumautilidadparacalcular
losparmetroscaractersticosdelasdistribuciones;ysedefinecomosigue:

(10.18)

Paratodoslosvaloresde enlosqueexistelaFGM.
AplicandoeloperadorvaloresperadoE:

SiXesunaVAdiscreta:

(10.19)

SiXesunaVAcontinua:

(10.20)

LosmomentosordinariosgeneradosporestaFGMsellamanmomentosrespectoal
origenyserepresentancon

Obsrvesequepara
0:

estdefinidaenelintervaloabierto ,
Y,cuando
quecontiene
0,
la FGM tiene las propiedades que describen la distribucin de X, similares a las
descritasparalaFGMF
;cuando XesunaVAenteranonegativa,entonces
existepara
0,y

(10.21)

LaprincipalventajadelaFGMsobrelaFGMFeselsignificadoquetienesobreuna
amplia gama de variables aleatorias, en tanto que su desventaja consiste en que no
,
de valores que contiene a ; sin
siempre existe en el intervalo abierto
embargo, esto no sucede en las distribuciones de probabilidad que analizaremos en
estetexto.

Ejemplo10.17CalculemoslasFGMdelasdistribucionesBinomial,dePoissonydela
Geomtrica.


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|223

ComosevioenelEjemplo10.12,laFGMFdeladistribucinBinomiales(10.4):

1
;Entonces,aplicando(10.9)setiene:

(10.22)

De igual forma, en el Ejemplo 10.12 se demostr que, para la distribucin de


Poisson:

ysuFGMesaplicando(10.9)

(10.23)

YparaladistribucinGeomtrica
,conlacualaplicando(10.9)
nuevamente:

(10.24)

Ejemplo 10.18 Si Z es una variable aleatoria continua con funcin de densidad de

probabilidad

;entonces,sufuncingeneradorademomentoses:

(10.25)

Al igual que para la FGMF, la FGM tambin tiene propiedades similares que se
enunciarnacontinuacin.

10.3.2.1PropiedadesdelaFGM

Propiedad1:Unicidad
A
lecorrespondeunaysolounadistribucin;esdecir,laFGMcaracterizaa
unaysolounadistribucin.PuestoquelaFuncindeDistribucinAcumulativa

determina la distribucin de cualquier VA, a


le corresponde una y solo una
.

224|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

Ejemplo 10.19 A la distribucin Binomial


corresponde nicamente la FGM:

/ ,
1

, le
. Y para la

distribucin

,sunicaFGMes

Propiedad2:Momentos

(10.26)

Donde

Enefecto,

Para
0

Propiedad2LosMomentosrespectoalorigen

Adems de las funciones de distribucin de las VAs, los momentos de una


distribucin de probabilidades son extremadamente tiles para encontrar los
parmetros que la caracterizan conocidos como medidas de localizacin, dispersin,
sesgoyaplanamiento.Losmomentossedefinenentrminosdelosvaloresesperados
de las diferentes potencias de las distancias al origen de los valores de la variable
aleatoria X,encuyocasoselesllamanlosmomentosrespectoalorigenverlaTabla
1; o bien, con respecto a otro punto c diferente del origen, conocidos como
momentos respecto a c o momentos centrales. La siguiente tabla muestra los
momentosrespectoalorigendelasVAsdiscretasycontinuas.
Cabe observar que la dificultad en el clculo de los momentos estriba en la
complejidaddelasfuncionesdedensidad
,queciertamentenosonsencillasolo
complicado de los clculos de las sumatorias, por lo cual muchas veces se prefiere
utilizar las funciones generadoras de momentos de las distribuciones que las
caracterizan; es decir, para cada Funcin Masa de Probabilidad FMP o Funcin de
DensidaddeProbabilidadFDPlecorrespondeunaysolounaFuncinGeneradorade
Momentos.Antesdedefinirdichasfuncionespresentamosalgunosejemplos.

Tabla10.1Momentosrespectoalorigen

Momento
Notacin
ParaVAsdiscretas
ParaVAscontinuas
primer

segundo


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|225

tercer

Deordenr

Ejemplo 10.20 Para el ejercicio del caballero que invita a comer a su novia, se
tienenlossegundosmomentos:
Paralanovia:
120
0.1 150
0.35 200
0.55 26,130
/
Paraelnovio:
120
0.2 150
0.5 200
0.3 31,315
/

Ejemplo 10.21 Para el ejemplo de la proporcin de impurezas en una muestra de


petrleocrudo,eltercermomentoes:

3
3
3
1 1 1
2
2
2 6
5 0 4 5
9

20
Ejemplo10.22EnelEjemplo10.20demostramosquesi Zesunavariablealeatoria

continua con funcin de densidadde probabilidad

que es la funcin de

densidad normal estndar; su funcin generadora de momentos es


,calculemossuscuatroprimerosmomentos:

2
3

|
|

Propiedad3:TransformacinLineal
Si
esunatransformacinlinealdeX,

Enefecto,

1
|

(10.27)

226|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

Propiedad4:Convolucin
ParalasVAsXeYconFGMs

setiene:

Enefecto,siXeYsoncontinuaseindependientes:

(10.28)

;obien:

Y, en general, para
, , , , variables aleatorias mutuamente

setieneque
independientesy , , , , constantes,

Ejemplo 10.23 Sean X y Z VAs que se distribuyen normalmente con medias y


varianzas ~
,
y
~ 0,1 ;comovimosenelejemplo10.20expresin
(10.19)

y,adems,

;entonces,porlapropiedad3:

Ejemplo10.24CalculemosloscuatroprimerosmomentosdelavariablealeatoriaX
quesedistribuyeconformeladistribucinNormal ~
,
,apartirdefuFGM.

,avaluandoen
0

;evaluandoen

0,

0,


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|227

Deigualforma,

Finalmente:

;y

;evaluandoen

0,

Ejemplo 10.25 Sean X e Y dos VAs que se distribuyen conforme a la distribucin


Normal, con medias y varianzas ~
,
y ~
,
; por la propiedad de
convolucin:

Porlapropiedad1setiene,

~
,

La propiedad 4 puede generalizarse para , , , , VAs mutuamente


independientes y , , , , constantes, para la combinacin lineal

setiene:

(10.29)

Ejemplo10.26.SilasVAs , , , , sonmutuamenteindependientesconla
mismadistribucindeprobabilidades,entonces,porlapropiedaddeunicidadtienenla

mismaFGM
;ylaFGMdelamedia
,porlapropiedad4,es:

YlaFuncingeneradoradeMomentosparalapoblacintotal

es:

228|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

Propiedad5:Preservacindelmites
Paracada
1,2,3, sea
/ laFuncindeDistribucinAcumulada(FDA)con
su correspondiente FGM
/ definida sobre un intervalo abierto
,
que
contienea ,paralacual:

lim

lim

,paratodo contenidoen
/

paratoda

;entonces:

(10.30)

escontinuaenx}

(10.31)

eslaFDAcorrespondientea
.

10.4FuncionesCaractersticas

HemosvistoquetantolaFGMFylaFGMnoestndefinidasparatodaslasvariables
aleatorias;situacinquenosucedeconlaTransformadadeFourier,conocidatambin
comolaFuncinCaracterstica,lacualsedefineparalasvariablesaleatoriasdiscretas
como

(10.32)

Oparavariablesaleatoriascontinuas

(10.33)

En las cules
1 es la unidad imaginaria, de donde se desprende que los
valoresdelafuncincaractersticapuedensernmerocomplejosy,parasuestudio,se
requieredelconocimientodelasvariablescomplejas;porellonoseestudiarnaqu.

10.5Momentosconrespectoaunpuntoylavarianza

Los momentos que hasta ahora hemos estudiado, corresponden a los momentos
respectoalorigenverFigura1.1;Ahorageneralizaremosestosconceptosestudiando
los momentos con respecto a un punto c diferente del origen, tambin conocidos
comomomentoscentralesparacuando
.

Ya vimos como calcular el valor esperado de las variables aleatorias discretas y


continuas respecto al origen; ahora ampliemos estos conceptos para el caso de la
funcin particular
, donde a y r son constantes, entonces a la
expresin:

(10.34)


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|229

seleconocecomoelmomentodeordenrrespectoaayserepresentacon .
Sebetenersepresentelasnotacionesdiferentesparalosmomentosfactoriales
,
; y, en particular,
los momentos ordinarios y los momentos centrales
obsrveseque:

si
0,setiene
0
;paraestaexpresin,si
1setiene:

,expresinqueseconocecomolamediadelaVA X,concepto
que se ampliar ms adelante y, en este caso particular suele simbolizarse
simplementecon , o .

Ejemplo10.27ConreferenciaalEjemplo1,relacionadoconladecisinquedebe
tomarelDirectordePEMEXExploracinProduccinsiendeterminadaregindebeo
no perforar un pozo, evala esta situacin mediante el valor esperado
o la
mediadelavariablealeatoria paralasdosalternativasdedecisin:

Sidecideperforar:
/ 200 0.25 50 0.75 12.50
Sidecidenoperforar:
/ 50 0.25
25 0.75 31.25

Por lo tanto, a la luz de estos resultados de la media, la decisin debe ser No


perforar.

Ejemplo 10.28 Con referencia al Ejemplo 10.2, relacionado con la proporcin de


impurezasdeunamuestradepetrleocrudosemodelaporlafuncindedensidad

, 0
1

elvaloresperadoeslamediadelaproporcindeimpurezas:

0.71;

Quecorrespondealaproporcindeimpurezasesperada.

Regresandoalosmomentoscentrales,si:

0:
1
1;

Queeslaexpresingeneralizadadelosmomentoscentrales ,losculespueden
encontrarseapartirdelosmomentosordinarios.

230|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

Enefecto:

Si
1

y,porlaspropiedadesdelosvaloresesperados:

0;

Cuando
2:

(10.35)

Esta expresin se conoce como la varianza de la VA X, que se simboliza con


,
,
, o
, y es la desviacin esperada al cuadrado de con
respecto a la media, o el promedio de las desviaciones con respecto a la media;
constituye uno de los parmetros de dispersin de dicha variable porque es la
desviacinmspequeaqueseobtiene,cuandosecalculaapartirdelamedia .

Enefecto,siseeligeunvalorarbitrario ycalculamosunapseudovarianza

0
/

Porloque /
.

Ycuando
setiene /

Loquedemuestraquelavarianzarespectoalamediasiempreesmspequeaque
lapseudovarianzarespectoacualquierotropunto .

10.6lgebradelasVarianzas

Al igual que para los valores esperados, es de mucha utilidad establecer algunas
reglasparalavarianzaqueseaplicanalasvariablesaleatoriasdiscretasycontinuas,a
partirdelaaplicacindelvaloresperado.


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|231

Regla1.Lavarianzaentrminosdelosvaloresesperados
La varianza de una variable aleatoria es igual al segundo momento ordinario
respecto al origen al cuadrado menos el cuadrado del primer momento ordinario
respecto al origen; es decir, es igual al valor esperado del cuadrado de la variable
aleatoriamenoselcuadradodelvaloresperadodelavariablealeatoria.

(10.36)

Enefecto:

2
2

Regla2.LaVarianzadeunaconstante
Comounaconstantenovara,suvarianzaescero;esdecirsi
,entonces:

(10.37)

Enefecto:

Regla3.LaVarianzadeunaconstanteporunavariablealeatoria
Si
y esunavariablealeatoriaconvarianza ,entonceslavarianzadela
variablealeatoria es

(10.38)

Enefecto:

Lo que significa que al multiplicar cada valor de la variable aleatoria por una
constantesemultiplicalavarianzaporelcuadradodelaconstante,y actacomoun
factordeescalayporlotantouncambioenladispresin.

Regla4.LaVarianzadeunacombinacinlineal
Si
y es una variable aleatoria con valor esperado
y varianza ,
entonceslavarianzadelavariablealeatoria
es:

(10.39)

232|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

Enefecto:

Loquesignificaquealaadirunaconstanteacadavalordelavariablealeatoriasu
varianzapermanecesincambioy actacomounaconstantededesplazamientodela
distribucindelavariablealeatoriaalolargodelejex.

Ahorabien,Para
3tenemos:

3
3

Aplicandolaspropiedadesdelvaloresperado:

3
3

3
2

Siguiendoelmismoprocedimientopara
4seobtiene:

4
6
3

Ejemplo 10.29 Para Ejemplo 10.1 calculemos los cuatro momentos centrales,
recordandoqueelsegundomomentocentraleslavarianza.
Conestainformacinseobtienelasiguientetabladepagos,comnmenteutilizada
enlateoradedecisiones:

Tabla10.1.matrizdepagos

Estadodela
naturaleza(X)
I:Sexiste
II:NOexiste

petrleo
petrleo
Decisinpor
S
200
50
tomar
perforar
No

50
25
perforar


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|233

Distribucindepagos/perfora
p(x)

0.8
0.6
0.4
0.2
0

100

50

50

100

150

200
x

probabilidades

Paraevaluarestasituacin,seaplicaelvaloresperadoparalasdosalternativasde
decisin:
Sidecideperforar:
/I 200 0.25 50 0.75 12.50
Sidecidenoperforar:
/II 50 0.25
25 0.75 31.25

E[X/I]

E[X/II]

12.

E[

E[

1187
31.25

/I]

E[

1906250

1093.75

/II]

/I]

E[

/II]

404687500

E[

42968.7

E[

/I]

/II

1855468.7
5

11718.7

1464843.75

117.187

19818627930

1464.84375

32043.457

Ejemplo10.30ParaelEjemplo10.2Laproporcindeimpurezasdeunamuestrade
petrleocrudosemodelaporlafuncindedensidad:

, 0
1

0.71;

0.55

234|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

0.45

0.38

0;

0.55
0.71
.046

3
2

3
2

0.45 3 0.71 0.55


2 0.45
0.32

4
6
3

4
6
3

6 0.71 0.55
3 0.71
0.33
0.38 4 0.71 0.45

La potencialidad de los momentos se ver con claridad cuando estudiemos las


distribucionesdeprobabilidaddelasvariablesaleatoriascontinuasydiscretas.

10.7MomentosdeDistribucionescondicionalesyconjuntas

Losmomentosdelasdistribucionescondicionalessebasanenlosconceptosde
valoresperadoydeladistribucincondicional.

ParalasVAdiscretas

|
|

| o

|
(10.40)

ParalasVAcontinuas

|
|
o

|

(10.41)

Y,porelconceptodevariablesaleatoriasindependientes,setienequesiXy Y
sonindependientessedebercumplirque

|
|
o

(10.42)

Esteconceptodemomentospuedeextendersealasfuncionesconjuntasdedoso
ms variables; SI Y son VA conjuntas con funcin de probabilidad conjunta
, paraelcasodiscretoofuncindedensidad
, paraelcasocontinuoysi
, esunafuncinde Y ,setiene

Paraelcasodiscreto


,
,
,

(10.43)


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|235

Yparaelcasocontinuo

,
,
,

(10.44)

As,paraunadistribucinconjuntadedosvariablesaleatorias y ,para y

enterosnonegativoslosvaloresesperadosdeproductosdepotenciasson

Enparticular,si Y sonindependientes

,
(10.45)

Yporextensinparaelcasode ,
1,2,3, , VAindependientessetiene


(10.46)

10.8Lacovarianza

Elmomentodeladistribucinconjuntadelasvariables Y quereflejelafuerza
deladireccindelarelacineslacovarianza,quesedefinecomo

(10.47)

Cuando Y sondiscretassetiene

(10.48)

Ysisoncontinuas

(10.49)

Como

Porlaspropiedadesdelosvaloresesperados,setiene

(10.50)

Cuando Y sondiscretassetiene

(10.51)

Yparacuandosoncontinuas

(10.52)

236|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

Ysi Y sonindependientes

0(10.53)

Loquesignificaqueladireccindelainterrelacindelasvariables Y notiene
ningnpatrnpositivoonegativo.Si Y estnpositivamenterelacionadasentonces
valores mayores de tienden a corresponder con valores mayores de y la
, es positiva; en cambio, si valores menores de se corresponden con
valoresmenoresde setienequela
, esnegativa.Ensuma,elsignodela
covarianza nos proporciona informacin a cerca de la direccin de la interrelacin
existenteentre Y .

La covarianza es particularmente til en la determinacin de la suma, de la


diferenciaoelcoeficientedecorrelacindedosvariablesaleatorias.As,si
,

Conformea(10.35)setiene

Como
,setiene

Porlaspropiedadesdevaloresperado

Siahora

(10.54)

(10.55)

(10.56)

,porelmismoprocedimientosetiene
2

Y,silasVAsonindependientessetiene

Esconvenienteobservarlainfluenciadelacovarianzasobrelavarianzadelasumao
diferenciadelasvariablesaleatorias,salvocuandosonindependientes;silarelacines
positivalavarianzadelasumaesmayorylavarianzadeladiferenciaesmenorquesi
fueranindependientes.Encontrapartesilarelacinentre y esnegativa,setiene
quelavarianzadelasumaesmenorylavarianzadeladiferenciaesmayorquesilas
variablesquesiellasfueranindependientes.


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|237

10.9ElCoeficientedeCorrelacin

Siseobserva,lacovarianzatienecomounidadeslascorrespondientesa Y ;por
ejemplo si est medida en metros y en kg sus unidades son mkg y es difcil de
interpretarlafuerzadelarelacinentre Y .Estadificultadseresuelvedividiendola
covarianza por el producto de las desviaciones estndar de estas variables y
dando por resultado un parmetro adimensional, que es uno de los parmetros
generalesdelasFuncionesdeprobabilidadconjuntas,yseconocecomoelcoeficiente
decorrelacinysedefinecomo

(10.57)

;
1
+
X
3
=
Y

1
Puededemostrarseque 1

Aspues,elcoeficientedecorrelacincorrigeelescalamientode Y yrepresenta
apropiadamente la fuerza de y la direccin de la relacin que existe entre dichas
variables. Si
1 los valores de las variables estn perfectamente
correlacionadaspositivamentecomosemuestraenlafigura10.2(a);encambiopara
1 los valores de las variables estarn perfectamente correlacionadas
negativamente como se indica en la figura 10.2 (b); y si
0 se dice que las
variablesNOestncorrelacionadascomoseilustraen(c)delafigura.Paralosdems
valoressi
estcercanoa 1oa 1setieneunainterrelacinfuerte,encambiosi
estcercanoa0implicaunarelacinmuydbil.

midelafuerza
Ennecesariotenerencuentaqueelcoeficientedecorrelacin
delarelacinlinealentrelasvariablesbajoestudio Y ;porejemplo,si
3
1 las variables estn perfectamente correlacionadas positivamente, en cambio para
.
lasvariablesnoestnperfectamenterelacionadasporquelarelacinnoes
lineal,comoseilustraenlafigura10.2.

XY = -1

Y=3X+1; XY = +1
Y

Y 18
0
16

-2

14

-4

12

-6

10
8

-8

-10

-12

-14

-16
0

(a)

(b)

238|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

XY = 0.0174

Y=e0.5X

160

140
120

100

3
80

60
40

20

0
0

10

12

(c)

(d)
Figura10.2Relacioneslinealynolineal

Ejemplo10.31Si eselnmerodelibrosdeTeoradelaProbabilidadquesetienen
enunabibliotecay eldelibrosdeEstadsticaAplicada,yladistribucinconjuntade
la seleccin de un estudiante es la que aparece en el cuadro interior con la cual se
tienelosiguiente:
a) Lasdistribucionesmarginalesde y quesonlosvaloresdelasvariables
conjuntamenteconlasprobabilidadesqueaparecenenelmargenderecho
para yenelinferiorpara .

1
2
3
p(y)

1
0.000
0.167
0.083
0.250
Y
2
0.200
0.111
0.000
0.311

3
0.133
0.250
0.056
0.439
p(x)

0.333
0.528
0.139
1.000

3|

b) Laprobabilidad

0.474

c) Lacovarianzade yY

E X, Y

1 1 0
1 2 0.167
3.828

1 3 0.083

3 3 0.056

1 0.333

2 0.528

3 0.139

1.806

Conelmismoprocedimiento

2.189.

Porlotanto

3.828

1.806 2.189

0.124

d) Para calcular el coeficiente de correlacin necesitamos calculas las


desviacionesestndardelasvariables,loqueasuvezrequieredelclculo
delasvarianzas.


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|239

1 0.333

2 0.528

3 0.139

3.694

3.694

1.806

0.434

0.434

Yladesviacinestndares

0.659

5.444;

Siguiendo el mismo procedimiento se tiene


0.653y =0.808

Conlocualtenemoslonecesarioparacalcularelcoeficientedecorrelacin
de y

0.124
0.659 0.808

0.233

Loquesignificaqueexistemuypocarelacinlinealnegativaysignificaque
cuandoseeligenlibrosdelaTeoradelaprobabilidadsetieneunamenor
eleccindelibrosdeEstadsticaAplicada.

Ejemplo10.32Sean y dosvariablesaleatoriasconfuncindedensidadconjunta

0
2; 1
4

,
0

a) Calculemoselvalorde .

debeseriguala1.

4
3
21

3
1

50
1

Conlocual

0
2; 1
4
,

50
0

b) Calculemoselcoeficientedecorrelacin.

Como

E X,Y

240|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

I.

Con las densidades marginales podemos calcular las medias y las


desviacionesestndarde y .

LaFDMde es

1
50

1
50

4
1

1
3
50

21

Calculemoslamediade

1
50

Ahora

1
12
50

21

42

1.08

1
50

1
50

21

21

2.08

Lavarianzavale

2.08

1.08

0.9136

0.9136

II.

0.9558

Siguiendolosmismosprocedimientosparalavariablealeatoria tenemos
2

LaFDMde es

Calculemoslamediade

1
50
Ahora

8
3

1
147.5
50

2.95

1
50

8
3

1
50

8
3

Lavarianzavale

9.304

Yladesviacinestndar

0.6015

0.7755

2.95

0.6015

9.304


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|241

III.

IV.

Lavarianzaconjuntavale

150027.5 3 63.75

3.15

Conlosvaloresanteriorestenemos

V.

E X,Y

0.0485

Lo que indica que prcticamente no existe correlacin lineal entre las variables
aleatorias y .

10.10LacurvaderegresinyelCoeficientedeDeterminacin

Comosevioenlaseccinanterior,elcoeficientedecorrelacindaunamedidade
lafuerzadeasociacinlinealentrelasvariablesaleatorias y ;porlotanto,sidicho
coeficiente de correlacin es satisfactorio, entonces es deseable buscar un
procedimiento para poder pronosticar el valor de suponiendo que sta es la
variabledependienteentrminosdelosvalores de queparanuestrocasoesla
variableindependiente.Puestoque esunvalorconocido,paralaprediccinde se
utilizaladistribucincondicionalde dadoelvalor de ;esdecir,
| o
|
|
segnsetratedeunaVAdiscretaocontinua,cuyovaloresperado
esel
|
mejorestimadoroelmsrazonablepredictorde .
|
Como el valor esperado
| vara para los diferentes valores de , la
| sellamalacurvaderegresin
funcinformadaporlasparejasdevalores ,
de
;lacualserepresentaenlafigura10.3.

FDP Normal Bivariable

f(y|x)
100

80
f(y|x3)
60
f(y|x2)
40
f(y|x1)

15

Curva de regresin
E[Y|x]

10
5

0
10

0
5

E[Y|x
]

0
-5

-5

20

x3
x2
x1

Figura10.3CurvadeRegresinE[Y|X=x]

242|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

|
En este caso muy particular
5; lo que significa que y son
independientes o sea que no predice a , no obstante, las siguiente explicaciones
son vlidas. En la figura se observa que la superficie corresponde a una distribucin
conjunta normal bivariable generada por un nmero infinito de FDP condicionales
| unaparacadavalorde ;paraestecasoparticularlacurvaderegresines
unarectaderegresinsobreelplanoXE[Y|x];estacurvaseencuentragraficandolas
| ,donde
| sonlosvaloresesperadosolasmedias
parejasdevalores ,
de la FDP condicionales
| ; se han dibujado solamente 3 valores de X para los
|
cualessetienenlas3FDPcondicionales

1,2,3;ycadaunatienesu
| sobre el plano
valor esperado
| ; la infinidad de estos puntos
| definelacurvaderegresincomoseilustraenlafigura10.4.
,

E[y |x]= 5
y = E[Y|x]
6.0

5.5

5.0

4.5

4.0
0

Figura10.4laRectadeRegresin

Caberecordarque eslavariabledependientede lavariableindependientey


lacurvaderegresinde sobre esdiferentealacurvaderegresinde sobre .

Ejemplo10.33Conrelacinalejemploanteriordeterminemoslacurvaderegresin
| .Sabemosque

0
2; 1
4

,
0

Yencontramosque

3
21
0
2

ConestasFDPencontremoslaFDPcondicional
| .

1
,
50
|

1
3
21
3
21
50


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|243

Comoyavimos,lacurvaderegresinde sobre eselvaloresperadodelaFDP


condicional
| .
|

21

1
3

21

21

4
1

7.5
3

63.75

21

Lacurvaderegresinsemuestraenlafigura10.5

E[Y|x]=(7.5x2+63.75)/(3x2+21)
E[Y|x]
6

0
0.0

0.5

1.0

1.5

2.0

2.5

Figura10.5CurvaderegresindeYsobrex:

El clculo de la curva de regresin de

| se hace siguiendo el mismo

procedimiento.

1
50
1
2
50

8
3

8
3

8
3

2
2

8
3

La representacin grfica de esta curva de regresin aparece en la figura 10.6 y,


similar a la anterior, no es til para predecir los valores de X dado los diferentes
valoresqueYpuedetomar.

244|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS

E[X|y]=2(y2+4)/(2y2+8/3)
2.0

1.5

E[X/y]

1.0

0.5

0.0
0

Figura10.6CurvaderegresinXsobre

10.11ElCoeficientedeDeterminacin

Elcoeficientedecorrelacinnosdaunvalordelafuerzadeasociacinlinealentre
lasvariables y ,entantoquelacurvaderegresineselmodelomatemticoola
funcindelarelacinentrelasvariables,quepuedeonoserlineal,yotroparmetro
querelacionatantoalapotenciadeasociacincomoalaregresineselcoeficientede
determinacin que nos da una medida de la varianza explicada por la curva de
regresinysedefinecomoelcuadradodelcoeficientedecorrelacin.

(10.58)

Ejemplo10.34Comoeradeesperarse, lascurvasderegresindelejemploanteriorno
sontilesparapredecirlosvaloresde Yconlosdiferentesvaloresque puedetomar,ni
los de los valores de Y; ya que, del ejemplo anterior, el coeficiente de correlacin
resultiguala 0.0485yelcoeficientededeterminacines

0.0485
0.0024

Loquesignificaqueel0.24%delavarianzade ode esexplicadaporlascurvas


deregresin.

Enlapartedeestadsticaaplicaremosestosconceptosalosdatosdelasmuestrasy
dedicaremosuncaptuloaellos.


CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|245

10.12BibliografayReferencias

LindgrendB.(1968),statisticaltheory,SecondEdition,THEMACMILLANCOMPANY,
USA.
Olkin I. Gleser L. Derman C. (1980), PROBABILITY MODELS AND APPLICATIONS,
MacmillanPublishing,USA.
Winkler R. Hays W. (1971), Statistics, probability, inference, and decision, second
edition,HOLT,RINEHARTANDWINSTON,USA.
Devore J. (2005), PROBABILIDAD Y ESTADSTICA para ingeniera y ciencias,
InternationalThomsonEditores,Mxico.
Wackerly D. Mendenhall W. Scheaffer R. (2002), ESTADSTICA MATEMTICA con
aplicaciones,sextaedicin,InternationalThomsonEditores,Mxico.
JohnsonN.LeoneF.(1977),StatisticsandExperimentaldesign,inEngineeringand
PhysicalSciences,Vol.I,SecondEdition,JohnWiley&.USA.
Hines W. Montgomery D. (1980), PROBABILITY AND STATISTICS IN ENGINEERING
ANDMANAGEMENTSCIENCE,2nd.ED.,JohnWiley&Sons,Canada.

Nombredearchivo:
cap10VALORESESPERADOSYMOMENTOS(definitivo).docx
Directorio:
C:\DocumentsandSettings\bfc\Misdocumentos\g1)
CaptulosdemilibrodeProbabilidadyestadstica20072009
Plantilla:
C:\DocumentsandSettings\bfc\Datosde
programa\Microsoft\Plantillas\Normal.dotm
Ttulo:

Asunto:

Autor:
fACULTADDEINGENIERA
Palabrasclave:

Comentarios:

Fechadecreacin:
20/08/20098:44:00
Cambionmero:
22
Guardadoel:
08/02/201022:54:00
Guardadopor:
fACULTADDEINGENIERA
Tiempodeedicin:
1,103minutos
Impresoel:
30/08/201013:06:00
ltimaimpresincompleta
Nmerodepginas:
34
Nmerodepalabras:
8,721(aprox.)
Nmerodecaracteres:
47,966(aprox.)