Está en la página 1de 14

UNIVERSIDAD NACIONAL DE INGENIERÍA

ESCUELA PROFESIONAL DE INGENIERÍA


ESTADÍSTICA

MOMENTOS EXACTOS DE LOS


ESTADÍCTICOS DE ORDEN
Integrantes: Casahuamán Ñahuero, Jesús
Ccahuana Quintana, Mayra
Palomino Ricra, Josué
Donayre Giribaldi, Giancarlo
Tito Canecillas, Carlos

DOCENTE: RITA GUZMÁN LÓPEZ

ESTADÍSTICA NO PARAMÉTRICA
DEBEMOS SABER PREVIAMENTE
 La Distribución Beta , media y varianza.
Γ 𝛼 + 𝛽 α−1 β−1
𝑓𝑌 𝑦 = 𝑦 1−𝑦 , 0 < 𝑦 < 1; 𝛼, 𝛽𝜖ℝ+
Γ 𝛼 Γ 𝛽
𝛼 𝛼𝛽
𝐸 𝑌 = Var(𝑌)=
𝛼+𝛽 𝛼+𝛽+1 𝛼+𝛽 2

 Propiedades de la función Beta


1 Γ 𝑥 Γ 𝑦
𝐵 𝑥; 𝑦 = න 𝑡 𝑥−1 1 − 𝑡 𝑦−1
𝑑𝑡 𝐵 𝑥; 𝑦 =
Γ 𝑥+𝑦
0

 Propiedad de la función Gamma

𝑠𝑖 𝑛 𝑒𝑠 𝑢𝑛 𝑒𝑛𝑡𝑒𝑟𝑜 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠:


Γ 𝑛 = 𝑛−1 !
MOMENTOS EXACTOS DE ESTADÍSTICOS
DE ORDEN
 Las expresiones para cualquier momento individual o
conjunto de estadísticos de orden puede ser expresado por
la definición de momentos y la fdp especificada. Donde:
El momento K-ésimo respecto al origen; de la variable aleatoria X esta
dado por (caso continuo):


𝐸 𝑋 𝑘 = න 𝑥 𝑘 𝑓 𝑥 ⅆ𝑥
−∞
y la función de distribución del estadístico de r-ésimo orden
es:

𝑟−1 𝑛−𝑟
𝑛! 𝐹 𝑥 1−𝐹 𝑥 𝑓(𝑥)
𝑓𝑋 𝑟 𝑥 =
(𝑟 − 1)! (𝑛 − 𝑟)!
 Hay distribuciones donde Fx no es fácilmente
expresada o difícil de manejar.

 Para estos casos, una expresión mas conveniente


para hallar los momentos de X(r) puede ser
encontrada en términos de la función cuantil:

𝑄𝑥 𝑢 = 𝐹𝑥−1 = 𝐹𝑥−1 𝑢 ; 0 ≤ 𝑢 ≤ 1
MOMENTO K-ÉSIMO RESPECTO AL ORIGEN

 El k-ésimo momento respecto al origen del r-ésimo


estadístico de órden de Fx es:


𝑛!
𝐸 𝑋 𝑘𝑟 = න 𝑦 𝑘 𝐹𝑋 (𝑦) 𝑟−1 1 − 𝐹𝑋 (𝑦) 𝑛−𝑟 𝑓
𝑋 𝑦 ⅆ𝑦
(𝑟 − 1)! (𝑛 − 𝑟)! −∞

𝑛!
= න 𝑦 𝑘 𝐹𝑋 (𝑦) 𝑟−1 1 − 𝐹𝑋 (𝑦) 𝑛−𝑟 𝑑𝐹
𝑋 𝑦
(𝑟 − 1)! (𝑛 − 𝑟)! −∞

donde Y= X(r)
 Sea
𝐹𝑋 𝑦 =u 𝑓𝑋 𝑦 ⅆy = ⅆu
entonces
𝑦 = 𝐹𝑥−1 𝑢 𝑦 = 𝑄𝑥 𝑢

entonces, la integral queda de la siguiente forma


1
𝑛!
𝐸 𝑋 𝑘𝑟 = න 𝑄 𝑢 𝑘 𝑢𝑟−1 1−𝑢 𝑛−𝑟 ⅆ𝑢
(𝑟 − 1)! (𝑛 − 𝑟)! 0 𝑋

𝐸 𝑋 𝑘𝑟 = 𝐸 𝑄𝑋 𝑢 𝑘

donde la variable aleatoria U tiene una


distribución 𝐵(𝑟; 𝑛 − 𝑟 + 1).
EJEMPLO
 Si X ~ U[0,1]

𝑓𝑋 𝑥 = 1 ; −0 ≤ 𝑥 ≤ 1

0 𝑠𝑖 𝑥<0
𝐹𝑋 𝑥 = ቐ𝑥 𝑠𝑖 0 ≤ 𝑥 < 1
1 𝑠𝑖 𝑥≥1
 Sea Y= X(r) , entonces el momento k-ésimo sería:

𝐸 𝑋 𝑘𝑟 = 𝐸 𝑄𝑋 𝑢 𝑘

1
𝑛!
𝐸 𝑋 𝑘𝑟 = න 𝑄 𝑢 𝑘 𝑟−1
𝑢 1−𝑢 𝑛−𝑟
ⅆ𝑢
(𝑟 − 1)! (𝑛 − 𝑟)! 0 𝑋
 Como X ~ U[0,1]
𝐹𝑋 𝑥 = 𝑥
entonces: 𝑄𝑥 𝑢 = 𝐹𝑥−1 𝑥 = 𝑥 ; 0 ≤ 𝑥 ≤ 1
y u=𝑥
 Luego el momento de r-ésimo órden quedaría de
la siguiente forma
1
𝑛!
𝐸 𝑋 𝑘𝑟 = න 𝑥 𝑘 𝑥 𝑟−1 1 − 𝑥 𝑛−𝑟
ⅆ𝑥
(𝑟 − 1)! (𝑛 − 𝑟)! 0
1
𝑛!
𝐸 𝑋 𝑘𝑟 = න 𝑥 𝑘+𝑟−1 1 − 𝑥 𝑛−𝑟
ⅆ𝑥
(𝑟 − 1)! (𝑛 − 𝑟)! 0
𝑛!
𝐸 𝑋 𝑘𝑟 = 𝐵(𝑘 + 𝑟; 𝑛 − 𝑟 + 1)
(𝑟 − 1)! (𝑛 − 𝑟)!
 Utilizando la relación de la función beta con la
función gamma
𝑛! 𝑟+𝑘−1 ! 𝑛−𝑟 !
𝐸 𝑋 𝑘𝑟 =
(𝑟 − 1)! (𝑛 − 𝑟)! 𝑛+𝑘 !
𝑛! 𝑟 + 𝑘 − 1 !
𝐸 𝑋 𝑘𝑟 = ; 1 ≤ 𝑟 ≤ 𝑛, 𝑘 ∈ 𝑍 +
𝑛 + 𝑘 ! (𝑟 − 1)!

 Para k=1
𝑛! 𝑟!
𝐸 𝑋 𝑟 =
𝑟−1 ! 𝑛+1 !
𝑟
𝐸 𝑋 𝑟 =
𝑛+1
 Para k = 2
𝑛! (𝑟 + 1)!
𝐸 𝑋2 𝑟 =
𝑟−1 ! 𝑛+2 !

𝑟(𝑟 + 1)
𝐸 𝑋2 𝑟 =
𝑛+1 𝑛+2

 Y como la varianza es:

Var(𝑋 𝑟 ) = 𝐸 𝑋2 𝑟 − (𝐸 𝑋 𝑟 )2

𝑟(𝑟+1) 𝑟 2
Var(𝑋 𝑟 )= 𝑛+1 𝑛+2
− (𝑛+1)

𝑟(𝑛−𝑟+1)
Var(𝑋 𝑟 )= 𝑛+1 2 (𝑛+2)
GENERALIZACIÓN
 De forma general la media y la varianza para
cualquier distribución
𝑟
𝐸 𝑋 𝑟 = 𝐹𝑋−1
𝑛+1

−2 𝑟(𝑛−𝑟+1)
Var(𝑋 𝑟 )= [𝑓𝑋 𝐸 𝑋 𝑟 ]
𝑛+1 2 (𝑛+2)

SUGERENCIA Para la demostración de la Esperanza y


Varianza en su forma general utilizar lo siguiente

Sea Y una V.A tal 𝐸(𝑌) = 𝜇 y 𝛷 una función medible Borel tal que
𝐸[𝛷(𝑌)] existe, expanda 𝛷(𝑦) en torno de u por una expansión de serie
de Taylor y use el hecho que F(𝑋(𝑟) ) = [𝑈 𝑟 ]
PROBLEMA 1

 Sea una variable aleatoria X que se distribuye


uniformemente en el intervalo [0,2]. Calcular la esperanza
y varianza de 𝑋(3) de una muestra aleatoria de tamaño 12.

PROBLEMA 2
 Suponga que el tiempo máximo que se puede reservar una
sala de conferencias es de 6 horas. Con mucha frecuencia
tienen conferencias extensas y breves. De hecho, se puede
suponer que la duración de una conferencia tiene una
distribución uniforme en el intervalo de [0,6]. Encontrar la
esperanza y la varianza del 𝑋(1) de una muestra de 15.
PROBLEMA 3
 Sea una variable aleatoria 𝑋 que se distribuye de manera
exponencial con 𝜇 = 16. Calcule la esperanza y varianza del
𝑋(5) de una muestra aleatoria de tamaño 10.

PROBLEMA 4
 Las barras de pan de centeno que cierta panadería
distribuye a las tiendas tiene una longitud promedio de
30cm y una desviación estándar de 2cm. Si se supone
que las longitudes de están distribuidas normalmente.
Encontrar la esperanza y la varianza del 𝑋(4) en una
muestra de 10 barras de pan.
PROBLEMA 5
 Se ha comprobado que el tiempo de vida de cierto
marcapasos sigue una distribución exponencial con
media de 12 años. De una muestra de tamaño 14,
encontrar la esperanza y la varianza del tiempo de
vida de octavo orden.