Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso 2012-2013
índice
1. Introducción 2
Referencias 10
2
1. Introducción
å g (x ) p k k
< ¥ y ò g (x ) f (x )dx < ¥ .
k ¡
a k = E X k = ò x k F (dx ) (a 1 = m)
( ) ¡
æ kö k
b k = E çç(X - m) ÷
÷ = ò (x - m) F (dx ) (b = s2 )
è ø ¡ 2
t t2
= ò F (dx ) + ò xF (dx ) + ò x 2F (dx ) + ... =
¡ 1! ¡ 2! ¡
t t2 tk
= 1 + a1 + a + ... + a + ...
1! 2! 2 k! k
tk
siendo el momento de orden k respecto al origen el coeficiente de .
k!
Así pues, si para una variable aleatoria es posible calcular la función generatriz de
momentos y es posible el desarrollo anterior, los momentos de dicha variable se
podrán calcular como sigue
dM (t )
dt
= ò ¡
xe tx F (dx )
y si hacemos t = 0,
dM (t )
= a1
dt t = 0
Análogamente, si existe la derivada k-ésima,
(k )
d M (t )
= ak.
dt k
t= 0
Notemos también que si en la expresión anterior
t t2 tk
M (t ) = 1 + a + a + ... + a + ...
1! 1 2 ! 2 k! k
derivamos, obtenemos el mismo resultado.
M X - m(t ) = E e ( ( )) = ò e (
t X- m
¡
t x - m)
F (dx ).
t (x - m)
Como antes, si desarrollamos en serie e , en los mismos supuestos, tendríamos
ahora (sin más que reemplazar X por X - m )
4
(k )
d M X - m(t )
= bk .
dt k
t= 0
En el caso discreto,
å
itx k
j (t ) = e pk .
k
Si X es absolutamente continua,
j (t ) = òe (transformada de Fourier ).
itx
f (x )dx
¡
ò
¡
e itx F (dx ) = 1 < ¥ Þ j (t ) existe " t Î ¡ .
Notemos que la función característica tiene una parte real y otra imaginaria.
2) j (t ) £ 1, ya que j (t ) = ò e F (dx ) £ ò
¡
itx
¡
e itx F (dx ) = 1.
3) Si Y = a + bX , y denotamos por j Y , j X
a las funciones características de Y , X ,
respectivamente, entonces
( )
j Y (t ) = E e itY = E e ( it (a + bX )
) = e E (e ) = eita itbX ita
j X (bt ).
5
Supuesto que los momentos de la variable aleatoria X existen, éstos se pueden hallar
mediante sucesivas derivadas de la función característica como antes, es decir,
(k )
1 d j X (t )
ak = k .
i dt k
t= 0
Ejemplo 1.
k k 0 k k 0
Momentos:
1 d 1 t 1
n peit q ipeit
n 1
E X np.
i dt y 0
i t 0
1 d 2 t 1
E X2 n n 1 peit q ipeit ipeit i 2 peit n peit q
n2 n 1
2
i2 dt y 0
i t 0
n n 1 p 2 pn n 2 p 2 np 2 pn
Var X E X 2 E X n 2 p 2 np 2 pn n 2 p 2 np np 2 npq.
2
Ejemplo 2.
f x
a p ax p 1
p
e x x0 p
0
a p e ax x p 1 .
Función característica:
a p ax p 1 a p a it x p 1 ap p
t E eitX eitx e x dx e x dx
0 p p 0 p a it p
p p
a it
1 .
it
a a
6
Momentos:
1 d 1 t
p 1
1 i
p 1
it p
E X a .
i dt y 0
i a t 0 a
1 d 2 t p p 1
p 2
1 it i i
E X 2 2 p p 1 1
a a t 0
2
i dt y 0
i a a2
p p 1 p2 p
Var X E X 2 E X 2 2.
2
2
a a a
Ejemplo 3.
n
Xj
j 1 j 1
j (t ) = ò ¡
e itx F (dx ).
Ejemplo 4.
peit 1 p
n
La función característica corresponde a la distribución Binomial
B n, p y sólo a ella. Por la proposición 1 sabemos que la función característica de la
suma de dos variables aleatorias independientes, B n, p y B m, p , tiene función
característica
Ejemplo 5.
p
La función característica 1 corresponde a la distribución Gamma a, p y
it
a
sólo a ella. Por la proposición 1 sabemos que la función característica de la suma de
dos variables aleatorias independientes, a, p y a, q , tiene función
característica
p q p q
1 it 1 it 1
it
a a
,
a
8
n
M (t ) E e tt X
E exp t j X j .
j 1
n
(t ) E eit X E exp i t j X j .
t
j 1
En general son también válidas todas las consideraciones hechas en el caso unidimen-
t
sional. La función característica de X existe siempre, eit x = cos t t x + isent t x tiene
módulo unidad, y también caracteriza a la distribución de X .
z z2 z3 z
Como antes, utilizando el desarrollo e = 1 + + + + ... , tenemos que
1! 2! 3!
n
i n i2 n 2 2
(t ) E exp i t j X j E 1
1! 2! i
t j X j t j X j ti t j X i X j ... .
j 1 j 1 j 1 i j
(t ) 0 iE X k 2tk E X k2 2 ti E X i X k ...
i2
0 iE X k .
tk t ... 2! ik t ...
0 0
2
(t ) 0 i 2 E X j X k ... g t t ...0 i 2 E X j X k .
t j tk t ...
0
0
Análogamente
1 l1 ...ln
E ( X 1 1 )l1 ...( X n n )l n X t 0 .
i l1 ...ln t1l1 ...tnln t ...
0
Observación.
Notemos que si Y = a t X (a Î ¡ n
), entonces
9
æ æ n öö
÷÷
j Y (t ) = E e itY = E çççexp çççi å a j tX j ÷÷
t
( ) çè çè j = 1 ÷
÷÷= j
ø÷
÷ X (a1t ,..., ant ) .
ø
Ejemplo 6.
mos que su función de densidad conjunta en cualquier punto x Î ¡ n , viene dada por
æ 1 ö æ 1 ö
exp ççç- (x - m) S - 1 (x - m)÷ = k exp ççç- (x - m) S - 1 (x - m)÷
-n 2 -12 t t
f (x ) = (2p ) S ÷
÷ ÷
÷.
è 2 ÷
ø è 2 ÷
ø
Función generatriz:
( { }) = ò
M X (t ) = E exp t t X
¡n
{ }
exp t t x f (x )dx =
( )ò
a ¡n
{ }
exp t t (y + m) f (y + m)dy =
ìïï t 1 t -1 ü ïï
= ò¡ n k exp í
ïïî
t (y + m) -
2
y S y ýdy =
ïïþ (b)
æ ìï 1 ï ö
ü ìï ü
ï ìï ü
ï
= çççò n k exp ïí - (y - S t ) S - 1 (y - S t )ïýdy ÷
1 1
exp ïí t t m + t t S t ïý = exp ïí t t m + t t S t ïý .
t
÷
÷
çè ¡ ïïî 2 ïïþ ÷
ø ïïî 2 ïïþ (c ) ïïî 2 ïïþ
1 t -1 1 t 1
t t (y + m) - y S y = - (y - S t ) S - 1 (y - S t ) + t t m + t t S t .
2 2 2
= es consecuencia de que el integrando considerado es la función de densidad de una
(c )
N n (S t , S ).
ìï 1 ü
ï ìï 1 ü
ï
M X (t k ) = M X (t ) = exp ïí t t m + t t S t ïý = exp ïí t k mk + t k2s k2 ïý.
k ïïî 2 ïïþ ïïî 2 ïïþ
dM (t k ) ìï 1 ü
ï
E (X k ) = = mk + t k s k2 exp ïí t k mk + t 2s k2 ïý
( ) = mk , k = 1,..., n .
dt k ïïî 2 k ïïþ t = 0
tk = 0 k
Observación
La función característica de una distribución N n (m, S )es (ver [1 ] pag. 335)
ìï 1 ü
ï
j X ( )
exp ïí it t m - t t S t ïý,
t = E (exp {it t X }) =
ïïî 2 ïïþ
y por lo tanto sus características marginales serán
ìï 1 ü
ï
j (tk ) = j X (0,..., tk ,...0) = exp ïí it k mk - t k2s k2 ïý.
Xk
ïïî 2 ïïþ
Referencias
[1] Quesada Paloma, V. y García Pérez, A. (1988). Lecciones de Cálculo de
Probabilidades. Ediciones Díaz de Santos, S.A.
[2] Vélez Ibarrola, R. (2004). Cálculo de probabilidades 2. Ediciones Académicas, S.A.