Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 84 vistas

    Funcion Generatriz de Momentos

    Cargado por

    agustin dietrich
    La función generatriz de momentos es una expresión que determina completamente la distribución de una variable aleatoria. Se derivan los momentos de la variable a partir de la función generatriz. Se presentan teoremas sobre cómo cambia la función generatriz cuando se transforma o combinan variables aleatorias. Finalmente, se especifican las funciones generatrizas para distribuciones binomial, de Poisson, normal, uniforme y exponencial.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Funcion Generatriz de Momentos

    Cargado por

    agustin dietrich
    84 vistas3 páginas
    La función generatriz de momentos es una expresión que determina completamente la distribución de una variable aleatoria. Se derivan los momentos de la variable a partir de la función generatriz. Se presentan teoremas sobre cómo cambia la función generatriz cuando se transforma o combinan variables aleatorias. Finalmente, se especifican las funciones generatrizas para distribuciones binomial, de Poisson, normal, uniforme y exponencial.

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    La función generatriz de momentos es una expresión que determina completamente la distribución de una variable aleatoria. Se derivan los momentos de la variable a partir de la función generatriz. Se presentan teoremas sobre cómo cambia la función generatriz cuando se transforma o combinan variables aleatorias. Finalmente, se especifican las funciones generatrizas para distribuciones binomial, de Poisson, normal, uniforme y exponencial.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    84 vistas3 páginas

    Funcion Generatriz de Momentos

    Cargado por

    agustin dietrich
    La función generatriz de momentos es una expresión que determina completamente la distribución de una variable aleatoria. Se derivan los momentos de la variable a partir de la función generatriz. Se presentan teoremas sobre cómo cambia la función generatriz cuando se transforma o combinan variables aleatorias. Finalmente, se especifican las funciones generatrizas para distribuciones binomial, de Poisson, normal, uniforme y exponencial.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 3

    Función Generatriz de Momentos

    Se llama Función Generatriz de Momentos a la expresión:

    M x (t )  E (etx ) cuando este valor esperado existe (a veces no existe!!) para –b<t<b, donde b
    es un número real positivo.

     Para variables discretas:

    M x (t )  E (etx )  etx . p ( x )

     Para variables continuas:

    
    M x (t )  E (etx )   etx . f ( x)
    

    La importancia de la Función Generatriz de Momentos radica en el hecho de que ella es única y


    determina completamente la distribución de una variable aleatoria, esto es, si dos variables
    aleatorias tienen una misma Función Generatriz de Momentos, deben tener igual distribución.

    Es posible mostrar que:

    dn
    E( X n )  M x (0)
    dt n

    ¡Derivando, entonces, obtenemos los n-ésimos momentos de cualquier variable aleatoria!

    La existencia de la FGM para -b<t<b, donde b es número positivo, garantiza la existencia de las
    derivadas de cualquier orden en t=0 .

    Teorema: sea X una variable aleatoria con FGM: M x (t ) y sea y  a.x  b , entonces:
    M y (t )  ebt .M x ( at )

    Demostración: M y (t )  E (e yt )  E (et ( ax  b ) )  etb E (etax )  etb .M x (ta )

    Teorema: sean X e Y variables aleatorias independientes y Z=X+Y, entonces:

    M z (t )  M y (t )M x (t )

    Demostración: M z (t )  E (e zt )  E (e t ( x  y ) )  E (e tx ) E (e ty )  M x (t ) M y (t )

    Esto mismo se puede generalizar para n variables independientes que tengan función
    generatriz de momentos.

    A continuación les voy a explicitar la FGM de algunas distribuciones conocidas:

     Binomial: (Discreta)
    La función de probabilidad de la distribución binomial B(n; p) es

     n! x n x
     x ! n  x ! p (1  p ) x  0,1, 2,..., n 0  p  1; n entero
    p ( x; n , p )    
    0 para cualquier otro valor

    La FGM:

    n n
    n! n!
    M x (t )  E (e xt )   e xt p x (1  p) n  x   (et p) x (1  p )n  x 
    x 0 x ! n  x  ! x 0 x ! n  x  !
    n(n  1) t 2
     (1  p )n  n(et p )(1  p )n 1  (e p ) (1  p )n  2  ...  (et p )n  [(1  p )  et p ]n
    2!

     Poisson: (Discreta)

    La función de probabilidad de una variable aleatoria de Poisson de parámetro


    λ es:

     e  x
     x  0,1, 2,...;   0
    p( x; )   x !
    0 para cualquier otro valor

    La FGM:

    n
    e xt e  x (e t ) x t
    M x (t )  E (e xt )    e   e  ee
    x 0 x! x!

     Normal: (Continua)

    La función de densidad de una variable aleatoria que se distribuye según una normal de
    parámetrosμ y σ está dada por :

    1  12 ( x  )2
    f ( x; , )  e ;   x  ;   0;     
    2

    La Función Generatriz de Momentos Centrales (restando  ) es:

     2t 2
    M x  (t )  e( )
    2

     Uniforme: (Continua)
    La función de densidad de una variable aleatoria uniforme está dada por:

     1
     si a  x  b
    f ( x; a, b)   b  a
    0 caso contrario

    La FGM es:
    b
    tx 1
    tx 1 1 tx b etb  eta
    M x (t )  E (e )   e dx  [e ]a 
    a
    ba ba t t (b  a)

     Exponencial: (Continua)

    La función de densidad de una variable aleatoria X que se distribuye según una


    exponencial de parámetro  , está dada por:

     1  x
     e si x>0;   0
    f ( x; )   
    0 caso contrario

    La FGM es:


    M x (t )  E (etx )  para t<λ.
    t

    También podría gustarte