INTRODUCCION

Los momentos potenciales o muestrales son valores que caracterizan a una muestra aleatoria. Los momentos
muestrales aproximan a los momentos de la distribución, estos últimos tienen la propiedad de que dos distribuciones
de probabilidad son iguales si tienen todos sus momentos iguales.

Los momentos de una muestra forman una sucesión de números, para cada número natural r se define puede definir el
momento r-enésimo.

Momentos respecto al origen[editar]

Los momentos muestrales estándar o centrados respecto al origen se calculan de la siguiente manera. Dada una
muestra aleatoria de tamaño N el momento muestral r-ésimo se calcula mediante:

αr=∑i=1nxriniN
Donde:

xi son los diferentes valores que aparecen en la muestra.

ni es el número de veces que se presenta el valor xi en la muestra.

N es el número total de elementos de la muestra.

De modo que se cumple que el momento de orden 0 con respecto al origen vale 1 y el momento de orden 1 con
respecto al origen es la media aritmética:

α0=∑i=1nx0iniN=NN=1

α1=∑i=1nxiniN=x¯

Momentos respecto a la media o centrales[editar]

mr=∑i=1n(xi−x¯)rniN
Se cumple que el momento de orden 0 con respecto a la media vale 1, el momento de orden 1 con respecto a la media
vale 0 y el momento de orden 2 con respecto a la media es la varianza.

m0=∑i=1n(xi−x¯)0niN=NN=1

m1=∑i=1n(xi−x¯)1niN=x¯−x¯=0

m2=∑i=1n(xi−x¯)2niN=S2
Los momentos de órdenes 3 y 4 con respecto a la media se emplean en el cálculo de los coeficientes de
asimetría y curtosis respectivamente.
DESARROLLO
Momentos muestrales[editar]
Con las mismas notaciones usadas a la media y varianza muestral se define el estadístico momento muestral no
centrado como:

mk=Mk(X1,X2,...,Xn)=1n∑i=1nXki
Nótese que m1 es precisamente la media muestral. Análogamente se define el estadístico momento muestral
centrado como:

ak=Mck(X1,X2,...,Xn)=1n∑i=1n(Xi−X¯n)k
que guarda las siguientes relaciones con estadísticos previamente definidos:

a1=0a2=m2−m21=n−1nS2n
APLICACIONES

Momento muestral

Sea X1, X2, …, Xn una muestra aleatoria de tamaño n, extraída de una población de parámetro μ ; (esto es E(X) =
μ). El momento muestral de orden r de la variable X, se define como

Hemos usado p(x) = 1/n ya que siendo una muestra aleatoria, cada uno de los elementos de la muestra tienen
igual probabilidad de ser seleccionados.

Observación

El momento muestral de orden “1” de X es

Es decir, el estimador asintóticamente insesgado de σ2 puede ser obtenido restando al momento de orden 2, el
cuadrado del momento de orden 1, de X.

Estimación por el método de momentos

 Sea f(x; θ1, θ2, …, θk) una función de densidad con k parámetros y sean μµ1, μµ2, … , μµ2 los primeros k
momentos poblacionales. Sea X1, X2, …, Xn una muestra aleatoria extraída de la población anterior cuya función de
densidad es f. Sean M’1, M’2, …, M’k son los primeros k momentos muestrales. Si θ2, θ2, ..., θk es la solución, en
función de θ, de las k ecuaciones Mi = μi, i = 1, 2, …, k

Entonces diremos que dicha solución constituyen los estimadores obtenidos por el método de los momentos.

Procedimiento:

Obtener el primer momento poblacional y muestral. Igualando los dos resultados y despejando el parámetro, se
tendrá el primer estimador.

Obtener el segundo momento poblacional y muestral. Igualando los dos resultados y despejando el parámetro en
cuestión y usando el estimador del primer parámetro encontrado en el paso anterior, se tendrá el estimador del
siguiente parámetro.

Continuar con el paso anterior hasta obtener el k – ésimo estimador.

Observación:

Si la población tiene r parámetros, se deberán obtener r estimadores; esto es, resolver r ecuaciones, usando los
estimadores de los primeros parámetros.

Ejemplo 16

Sea X una variable aleatoria con función de densidad f(x; α) = αe -αx, x > 0; α > 0. Si X1, X2, …, Xn una muestra
aleatoria extraída de la población, obtenga un estimador de α por el método de los momentos.

Solución

Puesto que la población dada sólo tiene un parámetro,  = , deberemos resolver sólo una ecuación. Para ello
empezamos obteniendo el primer momento muestral y poblacional:

En realidad no era necesario integrar puesto que, siendo exponencial la función dada, por propiedades E(X) =
1/&alpha.

Ahora, formando la ecuación (1) = (2), obtenemos: α = 1/ , con lo cual podemos concluir que = 1/ es el
estimador de α.