UNIVERSIDAD DE LAS FUERZAS ARMADAS-ESPE

INGENIERIA EN BIOTECNOLOGIA
ESTADISTICA I
NOMBRE: Israel Cajas
NRC: 1243

GENERADORA DE MOMENTOS:
FUNCION
Si X es una variable aleatoria, el momento de orden k de X se define como E(X k )
siempre que la esperanza exista
Notemos que:
1er. momento: posici
on E(X) =
2do. momento: dispersi
on E(X 2 ) = 2 + 2
3er. momento: relacionado con una media sim
etrica E(X 3 )
4to. momento: relacionado con la kurtosis E(X 4 )
Definici
on: La funci
on generadora de momentos de una v.a. X es una funcion a
valores reales M (t) , definida como:
M (t) = E(etX ) =

tX

M (t) = E(e

)=

P

XRX

etX PX (x) si es discreta

o
etX fX (x)dx si es contnua

u
siempre que el valor esperado exista para todo t(h, h), h > 0.Esta
ltmia condicion
tecnica necesaria para que M(t) se diferenciable en 0.
Las funciones generadoras de momentos existiran solo si la suma o integral convergen. Si existe una funci
on generadora de momentos de una variable aleatoria X, se
puede utilizar para generar todos los momentos de dicha variable
Sea:
X: Variable aleatoria discreta.
f(x): Distribuci
on de probabilidad de X
Entonces la funci
on generadora de momentos de X es:
M (t) = E(etX ) =

X
x

*VARIABLES DISCRETAS:
1

etX f (x)

 DE MOMENTOS
OBTENCION
La definici
on matematica de la funcion generadora de momentos se fundamenta en
el desarrollo de etX en series de potencias:
etX = 1 + tX +

t2 X 2
t3 X 3
+
+ .....
2!
3!

Con la definici
on de valor esperado se obtiene:
M (t) = E(etX ) = E(1) + E(tX) + E(

M (t) = E(etX ) = 1 + tE(X) +

t3 X 3
t2 X 2
) + E(
) + .....
2!
3!

t3
t2
E(X 2 ) + E(X 3 ) + .....
2!
3!

M (t) = E(etX ) = 1 + (t)01 + (

t2 0
t3
)2 + ( )03 + .....
2!
3!

Definici
on: F
ormula para obtencion de momentos:
0r =

dr
M (t) |t=0
dt

Obteniendo la 1era. Derivada:

 tX 
d(e )
dE(etX )
dM (t)
=
=E
= E(Xetx )
dt
dt
dt
cuando t=0
Media respecto al origen:
dM (t)
= E(Xe(0)x ) = E(X) = x = 01
dt
Obteniendo la 2da. Derivada:
 2

d2 M (t)
d (XetX )
=
E
= E(X 2 etX )
dt2
dt2
2

cuando t=0
d2 M (t)
= E(X 2 e(0)X ) = E(X 2 ) = 02
dt2
Se puede escribir la media y la varianza entorno al primer y segundo momento
central, donde:

X=Variable aleatoria discreta

f(x)=Distribucion de porbabilidad de X
Entonces:
*El r-esimo momento de X alrededor de la media
r-esimo momento central es:
*O
r = E[(X )r ] =

X
(x )r f (x)

Media:
r=1
1 = E(X)

Varianza
r=2
2 = E[(X )2 ] = 02 (1 )2

2 = E(X 2 ) (x )2 = 2

2 =

x2 f (x) (x )2

Coeficiente de Asimetra:
Obteniendo la 3era. Derivada:
 3 2 tX 
d3 M (t)
d (X e )
=E
= E(X 3 etX ) = 03
dt3
dt3

3 = E[(X )3 ] = 03 302 + 23

Curtosis:
Obteniendo la 4ta. Derivada:
 4 3 tX 
d4 M (t)
d (X e )
=E
= E(X 4 etX ) = 04
dt4
dt4

4 = E[(X )4 ] = 04 403 + 62 02 34
BINOMIAL:
*DISTRIBUCION
Funci
on Generadora de Momento:
M (t) = (pet + q)n

Obteniendo la 1era. Derivada:

d
dM (t)
= (pet + q)n = n(pet + q)n1 pet
dt
dt
si t=0 tenemos:
dM (t)
= n(pe0 + q)n1 pe0
dt

dM (t)
= n(pe0 + q)n1 pe0 = n(p + q)n1 p
dt

dM (t)
= n(p + 1 p)n1 p
dt
Media:
dM (t)
= np = 01 = x
dt
Obteniendo la 2da. Derivada:
d2 M (t)
= n(n 1)(pet + q)n2 (pet )2 + n(pet + q)n1 pet
dt2

d2 M (t)
= np[et (n 1)(pet + q)n2 pet + (pet + q)n1 et ]
dt2
Cuando t=0
d2 M (t)
= np[e0 (n 1)(pe0 + q)n2 pe0 + (pe0 + q)n1 e0 ]
dt2

d2 M (t)
= np[(n 1)(p + q)n2 p + (p + q)n1 ]
dt2

d2 M (t)
= np[(n 1)(p + 1 p)n2 p + (p + 1 p)]
dt2

d2 M (t)
= np[(n 1)p + 1] = 02
dt2
Para obtener la varianza partimos de:
2 = 02 (01 )2
Reemplazamos 02 ; 01 :

 2 = np[(n 1)p 1] (np)2

2 = np[np p + 1] (np)2

2 = (np)2 np2 + np (np)2

2 = np(1 p)

Varianza:
2 = npq

Obteniendo la 3era. Derivada:

d3 M (t)
d3
=
{np[et (n 1)(pet + q)n2 pet + (pet + q)n1 et ]}
dt3
dt3

= np[(n 2)(n 1)p2 e3t (pet + q)n3 + 3(n 1)pe2t (pet + q)n2 + et (pet + q)n1 ]

Cuando t=0
= np[(n 2)(n 1)p2 + 3(n 1)p + 1]

03 = np[n3 p2 3np2 + 2p2 + 3np 3p + 1]

Coeficiente de Asimetra:

3 = E[(X )3 ] = 03 302 + 23

3 = n4 p3 3n2 p3 + 2np3 + 3n2 p2 3np2 + 1np 3n2 p2 q + 2n3 p3

DE POISSON
*DISTRIBUCION
Funci
on Generadora de Momento:
M (t) = e(e

1)

Obteniendo la 1era. Derivada:

t
d
M (t) = et e(e 1)
dt

si t=0
0
d
M (t) = e0 e(e 1) =
dt

0 =

Media:
x =

Obteniendo la 2da. Derivada:

t
t
d2
M (t) = et e(e 1) + 2 e2t e(e 1)
2
dt

si t=0

0
0
d2
M (t) = e0 e(e 1) + 2 e0 e(e 1) = + 2 = 02
2
dt

Para obtener la Varianza partimos de:

2 = 02 (x )2
Reemplazamos 02 ; 01 :
2 = + 2 2

Varianza:
2 =

Obteniendo la 3era. Derivada:

t
t
t
t
d3
M (t) = et e(e 1) + 2 e2t e(e 1) + 22 e2t e(e 1) + 3 e3t e(e 1)
3
dt

si t=0
d3
M (t) = + 32 + 3 = 03
dt3
Partimos de:
3 = E[(X )3 ] = 03 302 + 23
Reemplazamos 01 ; 02 ; 03 :
3 = + 32 + 3 3() ( + 2 ) + 23

3 = + 32 + 3 32 33 + 23
8

Coeficiente de Asimetra:
3 =

Obteniendo la 4ta. Derivada

t
t
t
d4
M (t) = et e(e 1) + 32 e2t e(e 1) + 3 e3t e(e 1)
4
dt

t
t
t
t
t
d4
M (t) = et e(e 1) +2 e2t e(e 1) +62 e2t e(e 1) +63 e3t e(e 1) +4 e4t e(e 1)
dt4

si t=0
04 = + 72 + 63 + 4

Partimos de:
4 = E[(X )4 ] = 04 403 + 62 02 34
Reemplazamos 01 ; 02 ; 03 ; 04 :
4 = + 72 + 63 + 4 42 124 44 + 63 + 64 34

Curtosis:
4 = + 32 + 123 124

*HIPERGEOMETRICA:
Funci
on Generadora de Momento:
Para una distribuci
on hipergeometrica, dado que la variable aleatoria discreta X
tiene su dominio de {0,...,min(K;n)} se obtiene:

N k

M (t) =

2F1 (n, k; N k n + 1; et )
N

n
C
alculo de la Media:
Resulta ser el primero momento de la funcion generadora.
()m ()m
dm
2F1 (, ; ; z) =
2F1 ( + m, + m; + m; z)
m
dz
()m
Donde:
dm
2F1 (, ; ; z)
dz m
Es la derivada enesima de la funcion hipergeometrica, ademas:
(a)m = a(a + 1)(a + 2).......(a + m 1)

Derivando:
N k
d
(M (t)) =
dt

!
d
dt [2F1 (n, k; N

k n + 1; et )]
|t=0

N k
1 =

n
N

!
nket
2F1 (n + 1, k + 1; N k n + 2; et )
N kn+1

n
La deducci
on se hace desde el sumatorio derivado:

10

k
min(k,n)

1 =

N k

nx
!

xetx |t=0

k
1 =

n
X

N k

x
N

x=0

nx
!

k1
=n

n
k X
N x=0

N k

x1
N 1

nx
!

k1
=n

n1
k X
N y=0

n1

1 = n

k
N

=0

i=o

b
mi

!
=

a+b

Donde:
*i=y
*a=k-1
*b=N-k
*m=n-1
*m-i=n-1-y
*a+b=k-1+N-k=N-1
Con lo cual se obtienes que p =

k
N,

siendo esta la probabilidad de exito con lo cual

la media viene a ser:

Media:
1 = np

C
alculo de la Varianza:
Obtenemos la segunda derivada

11

N k

n1y
!
N 1
n1

Como:
m
X

N k
2 =

d2
(M (t)) =
dt2

N k
nket
2F1 (n+1, k+1; N kn+2; et )+
N kn+1

2 =

nK(1 n k + nk) nk
+
N (N 1)
N

1 =

nk
K

Como la varianza es igual a:

2 = 2 (1 )2

Reemplazando 1 ; 2
nK(1 n k + nk) nk
+

=
N (N 1)
N
2

2 =

K
N

y q =1

nk
N

k
N

= npq


N n
N 1

C
alculo del Coeficiente de Asimetra
3 31 2 +221
X 3

Como:
*1 =

nk
N

N n
N 1

es el factor de correccion.

Viene dado por A(X) =




k
N n
1
N
N 1

Se obtiene como Varianza:

De donde

N
n

como

Como p =

= np

12

nk
N

2

!
(n)2 (k)2 et
(N k n +

nK(1nk+nk)
N (N 1)
d3
(M
(t))|t=0
dt3

*2 =
3 =

nk
N

np(1nk+nk)
(N 1)

+ np

Se obtiene el coefiniente de Asimetra

o 3 :
3 =

(N 2k)(N 2n)
q
n)
(N 2) nk(N k)(N
N 1

C
alculo de la Kurtosis:
Tomando en cuenta lo que valen 1 ; 2 ; 3 y como 4 =

d4
dt4 (M (t))|t=0

Se obtiene el coefiniente la kurtosis

o 4 :

4 =

N 2 (N 1)
n(N 2)(N 3)(N n)



(N + 1) 6(N n) 3n(N n)(N + 6)

+
6
p(N k)
N2

*Probabilidad Multinomial
Funci
on Generadora de Momento:
M (t) = (pi eti )n

Realizando la Primera Derivada:

d
M (t) = n(pi eti )n1 (pi eti )
dt
si t=0
d
M (t) = n(pi e0 )n1 (pi e0i )
dt

d
M (t) = n(pi )n1 (pi )
dt

d
pn
M (t) = n i (pi ) = npi
dt
pi
VARIABLES CONTINUAS

13

 GENERADORA DE MOMENTOS PARA VARIABLES

FUNCION
CONTINUAS
NORMAL:
*DISTRIBUCION
-Primero se calculara la Funcion generatrz reducida.
-Tomando en cuenta que una variable normal general puede verse como una transformacion lineal de una variable normal reducida:x = z + u ,
-Se obtiene la Funci
on generadora de momentos de la normal general ya que:
x (t) = z ( t) et
-Siendo la Funci
on generadora de momentos reducida:
z (t) = E [etz ] =

z 2

etz

e 2
2

dz =

z 2

etz

2
e

zt

dz;

-Manipulando el exponente tenemos:

2z12 + zt = 12 (z 2 2zt) = 21 (z 2 2zt + z 2 ) + 12 (z t)2 + 21 t2 = 12 (z t)2 + 21 t2
-Con lo que la Funci
on generadora de momentos reducida:
+ 1 (zt)2 + 1 t2
1 + 1 (zt)2
z (t) = e 2 2 2 dz = e 2t2 e 22 dz
-Al realizar el cambio de variable:
u = z t se obtiene que:
dz = du y ademas si: z = u = y si z = u = entonces:
1 2

z (t) = e 2 t

e2 (u)
2

1 2

du = e 2 t

-Ya que el integrando, prescedido del nombre de la variable es al funcion de densidad

de una normal reducida que integrada para todo el campo y su valor sera uno
-De esten modo la Funci
on generadora de momentos reducida es:
1 2

z (t) = e 2 t
z (t) = et

-Obteniendose as como Funcion generadora de momentos de la normal general:

1

z (t) = et+ 2

2 2

Obtenci
on de la Media:
La media es el momento ordinario de primer orden (E(x) = 1 ) por lo tanto sera
el valor que tome la primera derivada de la funcion generatriz enel punto t=0.
Por lo tanto :
14

(t)=( + 12 2 (2t))(t) = ( + 2 (t))(t)

Cuando t=0:

(t)=( + 2 (t))(t)
Media:

(t=0)=( + 0) 1 =
Demostrandose que la media de una distribucion normal para variables continuas
es su parametro .
Obtenci
on de la Varianza:
Como se sabe la varianza se define como: D2 (x) = 2 2 siendo 2 el momento
ordinario de orden segundo: que se obtendra al aplicar el valor t=0 a la segunda
derivada de la funci
on generatrz de momentos :



2
00 (t) = 2 (t) + + 2 t (t) = 2 (t) + + 2 t (t)
Cuando t=0 :

2
(t = 0) = 21 + + 2 0 1 = 2 + 2
Varianza:


D2 (x) = 2 2 = 2 + 2 2 = 2
Demostrandose que la varianza de la distribucion normal coincide con su parametro
al cuadrado, siendo su desviacion estandar o tipica unicamente .
Coeficiente de Asimetra:
Se planterara la resoluci
on de la normal reducidad N(0;1) lo que nos facilitara
los calculos.El coeficiente de asimetra de la normal reducida o tipificada 1 es el
momento central de tercer orden de dicha variable tipificada (z), as:
h
i
 
3
1 = 3 (z) = E (z E(z)) = E z 3 = 3 (z)
Como sabemos la media de la variable tipificada es cero, para calcular el coeficiente
de asimetra nos bastara con calcular el momento ordinario de tercer orden de la
variable tipificada, y el momento de tercer orden de la variable tipificada sera el
15

valor que tome la tercera derivada de la Funcion Generadora de Momentos de la

distribuci
on de z (Normal Reducida) en el punto t=0.
La funci
on generadora de momentos tipificada :
1 2

z (t) = e 2 t
Obteniendo la 1era. Derivada:

0z (t) = 12 (2t) (t)

Cuando t=0 :
0z (t) = 0
Obteniendo la 2da. Derivada:
00z (t) = 1 (t) + t 0z (t) = z (t) + t2 z (t) = (1 + t2 )z (t)
Cuando t=0 :
00z (t = 0) = 1
Obteniendo la 3era. Derivada:
2
0
000
z (t) = 2t z (t) + (1 + t )z (t)

Cuando t=0 :
000
z (t = 0) = 0
3 (z) = 3 (z) = 1 (z) = 0
El coeficiente de asimetra de la distribucion normal es cero lo que se supone, como
cabra esperar ya que la distribucion es simetrica. Su eje de simetra es la media
() que por esta raz
on es tambien la mediana de la distribucion.
Curtosis
Nos basaremos en la normal reducida. Se sabe que dicho coeficiente es el momento
central de cuarto orden de la variable tipificada menos tres unidades. Pero al tratarse
de una variable tipificada cuya media es cero el momento central debe coincidir ,y
coincide con el momento ordinario, es decir con el valor de la cuarta derivada de la
Funci
on Generatrz de Momentos para el valor t=0.
Obteniendo la 4ta. Derivada:

16

2
3
0
IV
z (t) = (3 + 3t ) z (t) + (3t + t ) z (t)
2
3
IV
z (t) = (3 + 3t ) z (t) + (3t + t ) t z (t)
2
4
IV
z (t) = (3 + 6t + t ) z (t)

Cuando t=0:
4 (z) = 4 (z) = IV
z (t = 0) = 3
Por lo tanto el valor del momento central de orden cuarto es igual a 3.
El coeficiente de Curtosis se tiene que:
2 = 4 (z) 3 = 4 (z) 3 = 3 3 = 0
El coeficiente de Kurtosis es 0, como se puede constatar el hecho de que haya
resultado 0 es precisamente por haberse restado el propio valor del momento central
de orden cuarto, para con ello tomar la forma de la distribucion normal como modelo
de comportamiento para otras distribuciones:
*DISTRIBUCION UNIFORME:
Funci
on Generadora de Momentos:
mX(t) = E(etx ) =

b
a

1
etx ba
dx =

b
1 1 tx
ba t (e ) a

A partir de la cual se calculan momentos mk.

m1 =
m2 =

a+b
2

a2 +ab+b2
3

En general se obtiene:
mk =

Pk

1
k+1

i=0

ai bki

Obtenci
on de la Media:
m1 = E(x) =

a+b
2

Obtenci
on de la Varianza:
m2 m21 = 2
2 =

(ba)2
12

17

tb

ta

e
= et(ba)