Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
,paralasVAsdiscretas;y
(10.1)
,paralasVAscontinuas.
(10.2)
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.
, 0
1
0
1,entonces
Sustituyendoelvalordecenlafuncindedensidad,calculemoselvaloresperado:
3
2
3
2
3
2
1
3 0
3
8
1
3
17
24
0.71
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.
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
Costodelosplatillos
Paraelcaballero:X
Parasunovia:Y
120
0.2
0.1
150
0.5
0.35
200
0.3
0.55
Elvaloresperadodeloquetendrquepagarelcaballeroes
Si,ademspaga10%depropina,entonces:
1.1
1.1
1.1
1.1 159 174.5
1.1 333.5 366.85
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)
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
1
2
1
1
2
1
1
2
1
1
2
1
esfinito,entonces:
1
2
1
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)
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)
CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|221
FGMFs
Propiedad5:Preservacindeloslmites
/ lafuncinmasadeprobabilidaddelosenteros
Paracada
1,2,3, sea
/ sucorrespondienteFGMF;entonces,si
nonegativosdeky
lim
/
(10.17)
eslaFGMFcorrespondientealaFMP
Donde
,secumpleque:
lim
/
,
0, 1,2,
seaproximaalasprobabilidadesdeladistribucindePoisson
conparmetro .
/
ParalaBinomial,
Cuando|
1 | 1,
/
1
, lim
/
1
2
Comolim
lim
1
3
1 ,dedonde:
lim
y,comoconsecuenciadeestapropiedad:
222|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS
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)
ysuFGMesaplicando(10.9)
(10.23)
YparaladistribucinGeomtrica
,conlacualaplicando(10.9)
nuevamente:
(10.24)
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
224|CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS
/ ,
1
, le
. Y para la
distribucin
,sunicaFGMes
Propiedad2:Momentos
(10.26)
Donde
Enefecto,
Para
0
Propiedad2LosMomentosrespectoalorigen
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
/
3
3
3
1 1 1
2
2
2 6
5 0 4 5
9
20
Ejemplo10.22EnelEjemplo10.20demostramosquesi Zesunavariablealeatoria
que es la funcin de
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,
y,adems,
;entonces,porlapropiedad3:
Ejemplo10.24CalculemosloscuatroprimerosmomentosdelavariablealeatoriaX
quesedistribuyeconformeladistribucinNormal ~
,
,apartirdefuFGM.
,avaluandoen
0
;evaluandoen
0,
0,
CAPTULO10VALORESESPERADOS,FUNCIONESGENERADORASDEMOMENTOSYMOMENTOS|227
Deigualforma,
Finalmente:
;y
;evaluandoen
0,
Porlapropiedad1setiene,
~
,
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
.
(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
, 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)
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
4
6
3
4
6
3
6 0.71 0.55
3 0.71
0.33
0.38 4 0.71 0.45
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 .
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
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;
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.
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.
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
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
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:
procedimiento.
1
50
1
2
50
8
3
8
3
8
3
2
2
8
3
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
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.)