Metodos Estadsticos de la Ingeniera

Tema 7: Momentos de Variables Aleatorias

Grupo B

Area
de Estadstica e Investigacion Operativa
Licesio J. Rodrguez-Aragon
Marzo 2010

Contenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Definici
on de Momentos
3
Momentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Esperanza Matem
atica
5
Esperanza Matem
atica, Expectation Value . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Varianza y Desviaci
on
Varianza, Variance .
Desviaci
on Tpica . .
Propiedades . . . . . .

Tpica
7
...................................................... 8
...................................................... 9
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

Asimetra y Apuntamiento
11
Asimetra y Apuntamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Covarianza y Correlaci
on Lineal
13
Covarianza, Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Desigualdades de Markov y Tchebychev
16
Desigualdad de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Desigualdad de Tchebychev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

Contenidos


Definicion de Momentos.

Esperanza Matem
atica, Expectation Value.

Varianza y Desviaci
on Tpica, Variance and Standard Deviation.

Covarianza y Coeficiente de Correlaci

on Lineal, Covariance and Correlation Coefficient.

Desigualdades de Markov y Tchebychev, Markov and Tchebychev Inequalities.

Podemos construir medidas caractersticas de la distribuci

on de una Variable Aleatoria de
forma equivalente a c
omo se hizo en el Tema 3 para distribuciones de frecuencias.
A statistical distribution is not uniquely specified by its moments, although it is by its
characteristic function.
Licesio J. Rodrguez-Arag
on

Tema 7, M.E.I. 2 / 18

3 / 18

Definici
on de Momentos
Momentos

La definici
on general de un Momento respecto del punto v y de orden r de la variable aleatoria X:
P
P
r
r

i (xi v) f (xi ) =
i (xi v) pi si X es discreta
Mr (v) =
R
r
si X es contnua
(x v) f (x)dx

Destacar la importancia de ciertos Momentos:



Momentos Respecto al Origen, Raw Moment, v = 0.

Momentos Centrales, Central Moment, v = .

Licesio J. Rodrguez-Arag
on

Tema 7, M.E.I. 4 / 18

5 / 18

Esperanza Matem
atica
Esperanza Matem
atica, Expectation Value

La Esperanza Matem
atica, , de una variable aleatoria X es el Momento respecto al Origen de
orden 1 y se conoce como media o valor esperado de X:
X
= E(X) =
xi f (xi ), en el caso discreto.
i

= E(X) =

xf (x)dx, en el caso contnuo.

Siendo f (x) la funci

on de probabilidad o de densidad, seg
un el caso.
The Expectation Value of a function f (x) in a variable X is denoted E(X).
Algunas propiedades de la Esperanza:


Si a y b son constantes y X una variable aleatoria con media y formamos Y = aX + b

entonces,
E(Y ) = E(aX + b) = aE(X) + b = a + b.

El valor esperado de la suma o diferencia de dos o m

as funciones de una variable aleatoria X, es
la suma o diferencia de los valores esperados de las funciones:
E(g(X) h(X)) = E(g(X)) E(h(X))

La esperanza del producto de dos variables aleatorias independientes, X e Y , es el producto de

las esperanzas:
E(XY ) = E(X) E(Y ).

Licesio J. Rodrguez-Arag
on

Tema 7, M.E.I. 6 / 18

7 / 18

Varianza y Desviaci
on Tpica
Varianza, Variance

La Varianza, 2 , de una variable aleatoria X con distribuci

on de probabilidades f (x) y media , es el
Momento Central de orden 2:
X
2 = Var(X) = E[(X )2 ] =
(xi )2 f (xi ),
i

en el caso discreto.
2

= Var(X) = E[(X ) ] =

(x )2 f (x)dx,

en el caso contnuo.
Siendo f (x) la funci
on de probabilidad o de densidad.
For a single variate X with known population mean , the population Variance 2 , is defined as
E[(X )2 ].
Licesio J. Rodrguez-Arag
on

Tema 7, M.E.I. 8 / 18

Desviaci
on Tpica
Se denomina Desviaci
on Tpica de X, a la raz cuadrada positiva de la varianza,

p
= Var(X) = 2 .
The Standard Deviation of a probability distribution is defined as the square root of the variance
2
Licesio J. Rodrguez-Arag
on

Tema 7, M.E.I. 9 / 18

Propiedades
Algunas propiedades de la Varianza:


La varianza de una variable aleatoria X puede expresarse

Var(X) = 2 = E(X 2 ) E(X)2 = E(X 2 ) 2 .

Si a y b son constantes y X una variable aleatoria con media y formamos Y = aX + b

entonces,
Var(Y ) = Var(aX + b) = a2 Var(X) = a2 2 .

Casos particulares de lo anterior son:

Var(b) = 0
Var(X + b) = Var(X)
Var(aX) = a2 Var(X)
Var(aX + b) = a2 Var(X)

Licesio J. Rodrguez-Arag
on

Tema 7, M.E.I. 10 / 18

11 / 18

Asimetra y Apuntamiento
Asimetra y Apuntamiento


Asimetra, Skewness:
1 =

3
,
3

siendo 3 el momento centrado de orden 3.



Apuntamiento, Kurtosis:
2 =

4
3,
4

siendo 4 el momento centrado de orden 4.

Licesio J. Rodrguez-Arag
on

Tema 7, M.E.I. 12 / 18

13 / 18

Covarianza y Correlaci
on Lineal
Covarianza, Covariance
Sean X e Y dos variables aleatorias, con distribuci
on de probabilidades conjunta f (x, y), la
Covarianza entre X e Y se define del siguiente modo:
Cov(X, Y ) = XY = E[(X X )(Y Y )].
Siendo esta expresi
on:
Cov(XY ) = XY =

XX
(xi X )(yj Y )f (xi , yj ),
i

en el caso discreto.
Cov(XY ) = XY =

(x X )(y Y )f (x, y)dxdy,

en el caso contnuo.
Licesio J. Rodrguez-Arag
on

Tema 7, M.E.I. 14 / 18

Propiedades
Algunas propiedades de la Covarianza:


La Covarianza puede expresarse:

XY = E(XY ) E(X) E(Y ) = E(XY ) X Y .

Si X e Y son independientes, entonces XY = 0, ya que en ese caso E(XY ) = E(X) E(Y ).

El Coeficiente de Correlaci
on Lineal de Pearson se define como,
=

XY
.
X Y

Licesio J. Rodrguez-Arag
on

Tema 7, M.E.I. 15 / 18

16 / 18

Desigualdades de Markov y Tchebychev

Desigualdad de Markov

Esta desigualdad permite establecer una acotaci

on de la probabilidad de una funci
on no negativa de
una variable aleatoria X.
Sea g una funci
on no negativa de la variable aleatoria X y t una constante positiva, se verifica que
P(g(X) t)

E(g(X))
t

Sea D el dominio en el que g(X) t:

Z

g(x)f (x)dx
g(x)f (x)dx
E(g(X)) =

D
Z
Z

tf (x)dx t
f (x)dx = t P(g(X) t)
D

Un caso interesante resulta cuando g(x) = X, suponiendo que X > 0,

P(X t)

Licesio J. Rodrguez-Arag
on

E(X)
t

Tema 7, M.E.I. 17 / 18

Desigualdad de Tchebychev
La Desigualdad de Tchebychev nos permite, conociendo la Esperanza y la Varianza de una variable
aleatoria, acotar la probabilidad P(|X | < k).
Sea X una variable aleatoria de media y varianza 2 entonces, para todo k > 0 se verifica,
P( k < X < + k) = P(|X | < k) 1

1
.
k2

Sea Y = g(X) = (X E(X))2 ,

P(|X | k) = P(Y k2 2 )
como g(X) 0 podemos aplicar la desigualdad de Markov,

E((X E(X))2 )
2
1
E(Y )
=
=
= 2.
2
2
2
2
2
2
k
k
k
k

Tomando el complementario, se verifica:

P(|X | < k) 1

1
.
k2

Como ejemplo tendramos que si el n

umero medio de pasos de vuelta de 100 barras roscadas de
longitud 1m, es de 125 y su desviaci
on tpica es de 1 entonces el 75%, k = 2, de las barras tienen
entre 123 y 127 pasos de vuelta.
Licesio J. Rodrguez-Arag
on

Tema 7, M.E.I. 18 / 18