UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ

MOMENTOS
ESTADÍSTICOS

CÁTEDRA:
Estadística y Probabilidad
Catedrático:
Huaringa Sánchez, Miguel Ángel
Integrantes:
 Coca Guizado, Gabriela
 Ladera Julcarima,
NOMBRE: Iván
 Mendoza Vargas, Erick
ASIGNATURA:
 Paitan Yalli, Lenin
 Peñares Balbin, Andrea

2020
 MOMENTOS ESTADÍSTICOS

En estadística, un parámetro es un número que resume la ingente cantidad de datos que

pueden derivarse del estudio de una variable estadística. El cálculo de este número está bien

definido, usualmente mediante una fórmula aritmética obtenida a partir de datos de la

población.

Los parámetros estadísticos son una consecuencia inevitable del propósito esencial de la

estadística: crear un modelo de la realidad.

El estudio de una gran cantidad de datos individuales de una población puede ser farragoso e

inoperativo, por lo que se hace necesario realizar un resumen que permita tener una idea

global de la población, compararla con otras, comprobar su ajuste a un modelo ideal, realizar

estimaciones sobre datos desconocidos de la misma y, en definitiva, tomar decisiones. A estas

tareas contribuyen de modo esencial los parámetros estadísticos.

Por ejemplo, suele ofrecerse como resumen de la juventud de una población la media

aritmética de las edades de sus miembros, esto es, la suma de todas ellas, dividida por el total

de individuos que componen tal población.

MOMENTO ESTADÍSTICO:

Momentos en la estadística matemática implican un cálculo básico. Estos cálculos se pueden

utilizar para encontrar de una distribución de probabilidad media, la varianza y la asimetría.

También son formulaciones matemáticas, que se definen como parámetros estadísticos,

algunos de ellos cuales tienen amplia connotación dentro del estudio de curvas de

distribución de frecuencias y más específicamente respecto del sesgo y de la curtosis.

Los momentos son una forma de generalizar toda la teoría relativa a los parámetros

estadísticos y guardan relación con una buena parte de ellos.

Se llama momentos estadísticos a los valores específicos de cada distribución que la

caracterizan. Esta caracterización llega hasta el punto de que puede afirmarse la igualdad de

dos distribuciones por la igualdad de sus momentos o, si no se llega a este extremo de

identificación, su semejanza, tanto mayor cuantos más momentos de igual valor posean

ambas distribuciones.

Dada una distribución de datos estadísticos x 1+ x2 + x 3 +…+ x n, se define el momento central o

momento centrado de orden k como:

∑ ( x i− x́ ) k fi
μk = i=1
n

Donde:
 n=número total de datos
 k =orden del momento buscado
 fⅈ=frecuencia de los datos
 x́=media aritmética

Para variables continuas la definición cambia sumas discretas por integrales (suma continua),

aunque la definición es, esencialmente, la misma.

De esta definición y las propiedades de los parámetros implicados que se han visto más

arriba, se deduce inmediatamente que:

μ0=1; μ1=0; μ 2=σ 2

Se llama momento no centrado de orden k a la siguiente expresión:

∑ ( x i )k fⅈ
m k = 1=1
n
De la definición se deduce que:

m 0=1 ; m 1= x́ ; m 2−m21=σ 2

Usando el binomio de Newton, puede obtenerse la siguiente relación entre los momentos

centrados y no centrados:

n
μk =∑ (−1 ) k m k−i mi1
k

i=1 i ()
Los momentos de una distribución estadística la caracterizan una interpretación única.

Momento de Orden cero:

∑ ( x i−x́ )0 fi
m0= i=1 =1
n

Primer Momento respecto a la media:

El primer momento respecto a la media es siempre igual a cero, no importa lo que el conjunto

de datos es que estamos trabajando.

∑ ( x i−x́ )1 fi
m1= i=1 =0
n

Segundo Momento respecto a la media:

El segundo momento central, alrededor de la media, recibe el nombre de varianza de la

variable aleatoria. La varianza de una variable aleatoria es una medida de la dispersión de la

distribución de probabilidad de esta.

n
2
m2=∑ ( x i−x́ ) fi=σ 2
i=1
n
Tercer momento:

El tercer momento central está relacionado con la asimetría de la distribución de probabilidad

de X. La cual es llamada sesgo.

Cuarto Momento:

El cuarto momento central es una medida de qué tan puntiaguda es la distribución de

probabilidad y recibe el nombre de curtosis.

Los momentos estandarizados tercero y cuarto, también se conocen como los factores de

forma primero y segundo, respectivamente, de la distribución de probabilidad debido a que,

en gran medida, determinan la forma de la distribución de probabilidad.

Momentos de aplicaciones

Como se mencionó anteriormente, el primer momento es la media y el segundo momento

respecto a la media es la muestra de la varianza. Pearson introdujo el uso del tercer momento

alrededor de la media en el cálculo de la asimetría y el cuarto momento alrededor de la media

en el cálculo de curtosis.