Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Momentos
Los momentos son potencias esperadas de orden r de una variable aleatoria.
Si X es una variable aleatoria, entonces Y = g (x) es también una variable aleatoria que presenta una cierta
distribución de probabilidad y un cierto valor medio esperado dado por la siguiente expresión:
Se define g ( x ) = x r donde r = 0, 1, 2, 3, . . .
x r . f ( x ) dx Si X es una v. a. cta.
Si r = 0 ´0 = E[x0] =1
Si r = 2 ´2 = E[ x2]
. . . . .
Se define g ( x ) = ( x - ) r donde r = 0, 1, 2, 3, . . .
( x i - )r . p ( x i ) Si X es una v. a. discreta
r= E[(x-) ] = r
(x - ) r . f ( x ) dx Si X es una v. a. cta.
Si r = 0 0 = E[(x - )0] =1
Si r = 1 1 = E[(x - ) ] =0
2 = E [ (x - ) 2 ] = E [ x2 - 2 x + 2 ] = E ( x 2 ) - 2 E(x) + 2 =
1
= E ( x 2 ) - E 2 (x) = ´2 - ´1 2 = ´2 - 2
Se define g ( x ) = [ ( x - ) / ] r donde r = 0, 1, 2, 3, . . .
[ ( x i - ) / ] r . p ( x i ) Si X es una v. a. discreta
qr = E[(x-)/] r
=
[ (x - ) / ] r . f ( x ) dx Si X es una v. a. cta.
Si r = 0 q0 = E[(x - )/]0 = 1
Si r = 1 q1 = E[(x - )/ ] = 0
Si r = 2 q2 = E[(x - )/]2= 1
Si r = 3 q3 = E [ ( x - ) / ] 3 = E( x - ) 3 / 3 coeficiente de asimetría
Si r = 4 q4 = E [ ( x - ) / ] 4 = E( x - ) 4 / 4 coeficiente de curtosis
...
q r = E [ ( x - ) / ] r = E ( x - ) r / E( r )=E(x-)r/ r = r/ r
x i! / ( x i - r ) ! . p ( x i ) Si X es una v. a. discreta
[ r ] = E [ x! / ( x - r ) ! ] =
x! / ( x - r ) ! . f ( x ) dx Si X es una v. a. Cta
Si r = 0 [0] = E [ x! / ( x - 0 ) ! ] = E ( 1 ) = 1
Si r = 1 [1] = E [ x! / ( x - 1 ) ! ] = E ( x ) =
Si r = 2 [2] = E [ x! / ( x - 2 ) ! ] = E [ x . ( x - 1 ) ]) = E ( x2 - x ) =
= E ( x2 ) - E ( x ) = ´2 -
V ( x ) = 2 = 2 = ´2 - 2 = [ 2 ] + - 2
Luego:
e g ( x) t . P ( x i ) Si X es una v. a. discreta
y ( t ) = E ( e yt
)= E(e g(x).t
)=
e g ( x) t . f (x) dx Si X es una v. a. cta.
En símbolos:
Si y = g ( x ) = x
Luego:
d x(t)
-------------- | = ´ r
d tr t=0
Es decir: ´x ( t ) = E ( x . e x .t
)
´´x ( t ) = E ( x 2. . e x . t )
.....
rx ( t ) = E ( x r . e x.t )
de donde: r x ( 0 ) = E ( x r . e 0 ) = E ( x r ) = ´ r
3
El momento centrado de orden r se obtiene derivando sucesivamente la fgm
para y = g ( x ) = ( x - ) y valorizando en t = 0.
Es decir : y ( t ) = E ( ey .t
) = (x- ) ( t ) = E ( e ( x - ).t
)
Luego:
d (x - ) ( t )
------------------ | = r
d tr t=0
Luego:
d (x - ) / ( t )
--------------------- | = q r
d tr t=0
Propiedades de la fgm
Ya que: y ( t ) = E ( e y t ) = E ( e c x t ) = E ( e x(c t) ) = x ( c t )
2) Si y = x + c entonces x+c ( t ) = e c t . x ( t )
Ya que:
y ( t ) = E ( e y t ) = E ( e (x+c) t ) = E ( e x t + c t ) = E ( e x t . e c t ) = e c t. E ( e x t ) = e c t. x ( t )
Ya que:
z ( t ) = E ( e z t ) = E ( e (x + y) .t ) = E ( e x t . e y t ) = E ( e x t ) . E ( e y t ) = x ( t ) . y ( t)
(Por ser x e y independientes)
4
Dada una variable aleatoria x con una cierta fgm, entonces existe una única función de distribución que
posee dicha fgm.
x ( t ) F ( x )
Teorema de Tchebycheff
Dada una variable aleatoria Y definida positiva, y estando definida su esperanza matemática E ( y ),
entonces se cumple que para todo número k positivo y arbitrario, la probabilidad de que la variable sea mayor ó
igual a k está acotada en su esperanza partida k.
Es decir:
Si y > 0 / E ( y ) k > 0: P(yk)<E(y)/k
Demostración:
+
Suponiendo que la v.a. y es cta, luego: E ( y ) = y . f ( y ) dy
0
+
como k > 0, se tiene que:: E ( y ) > y . f ( y ) dy
k
+ + +
tomando y > k : y . f ( y ) dy > k . f ( y ) dy = k f ( y ) dy = k . P ( y k )
k k k
Desigualdad de Tchebycheff
de donde:
P { | x - | k } < 1 / k 2
Dada una variable aleatoria x con cualquier ley de probabilidad, y estando definida la esperanza
matemática E ( x ), entonces se cumple para todo número k positivo y arbitrario, que la probabilidad de que
5
la variable aleatoria difiera de su esperanza en más o en menos un número k de veces su desvío, está
acotada en la inversa del cuadrado de dicho número k.
Interpretación gráfica:
| x - | k x - k x - - k
x + k x - k
Luego:
P ( x + k ) + P ( x - k ) < 1/k 2
Gráficamente significa que se tiene una cota superior de probabilidad para los valores de la variable que
difieren de su esperanza en más o en menos k veces el desvío standard.
1/k2
1 –
1/k2
- k + k
Tomando el complemento:
P ( - k < x < + k } 1 - 1/ k 2
P {- k < x - < k } 1 - 1/ k 2
P {| x - | < k } 1 - 1 / k 2
6
la variable no difiera de su media en a lo sumo dos puntos. Comparar este resultado con la probabilidad
exacta.
luego para encontrar el valor de k, se debe encontrar el valor de . Para ello, se aplica la definición:
1 21/6 91/6
2) El gerente de un supermercado estima que menos del 25% de la clientela compra más de 20 unidades
de un determinado artículo por día. En base a esta información quiere determinar la compra promedio
mensual.
Partiendo de P( x + k ) + P( x - k ) < 1 / k 2
+ k = 20 (Primer término)