Documente Academic
Documente Profesional
Documente Cultură
2. Momentos
Probabilidad II
Unidad 2
Momentos
Clave
50920415
Octubre de 2011
Probabilidad II
2. Momentos
UNIDAD 2 Momentos
Presentacin de la unidad
En esta unidad se revisaran algunos momentos de orden y las funciones generadoras de
los mismos, entre ellos la esperanza, la varianza, la covarianza y el coeficiente de
correlacin.
De igual forma se revisaran contenidos y ejercicios prcticos que permitan que el alumno
genere funciones de casos discretos, continuos y mixtos dependiendo del orden de las
variables que se le presenten.
Propsitos
Al concluir esta unidad el alumno ser capaz de:
Identificar algunos momentos de orden como la esperanza, varianza y covarianza
revisar y comentar las distintas caractersticas de los mismos.
Calcular casos discretos, continuos y mixtos en algunas situaciones reales.
Competencia especfica
Utilizar la teora de las probabilidades y las tcnicas de la estadstica descriptiva como
herramientas en el estudio de otras asignaturas y en la solucin de problemas reales de
las mismas en la vida profesional.
2. Momentos
Los momentos se definen como (
distribucin.
( )
) y caracterizan la funcin de
Probabilidad II
2. Momentos
aplicacin que tienen dentro de la probabilidad. Una definicin general del momento es la
siguiente:
El momento de orden r (r pertenece al conjunto de los naturales): r nos podr auxiliar
para calcular la esperanza matemtica y la varianza por lo que hay que partir de otras
medidas:
x r f(x) X Continua
r E( X r )
r
x f(x) X Discreta
x
De la misma manera se denomina momento central de orden r, mr, como se muestra:
r
mr E X E ( X ) x
Se pueden calcular los momentos a partir de un conjunto de variables, por ejemplo
Calcular los primeros cuatro momentos del conjunto A= {2, 3, 7, 8, 10}
De igual forma se pueden calcular los momentos con respecto a la media, como se
muestra en el siguiente ejemplo
( )
Probabilidad II
2. Momentos
( )
( )
( )
2.1.1 Esperanza
La esperanza matemtica (o simplemente esperanza) es el momento que aparece en
primer orden y la varianza es el momento central de segundo orden
E(X1 ) 1
2 V(X) m2
Ejemplo 1.
La probabilidad de que una seora gane un premio de $1,000.00 es de 1/8 la esperanza
se obtiene de la siguiente manera:
($1,000.00) (1/8)= $125.00
Ejemplo 2.
Se va a realizar una rifa que ofrecer dos premios, uno de $10,000.00 y otro de $5,000.00
y que tienen probabilidades de ocurrencia de 0.001 y 0.003 respectivamente Cul sera
el precio justo por a pagar por cada boleto?
Probabilidad II
2. Momentos
La esperanza sera igual a
( $ 10,000.00)(0.001) + ($5,000.00)(0.003)
= $10.00 + $ 15.00
= $25.00
Se puede utilizar la esperanza conjuntamente con otras distribuciones de probabilidad.
Por ejemplo si realizamos un muestreo de 10 artculos realizados al da, los cuales
deseamos saber cul es el nmero de artculos que salen defectuosos.
Si denotamos a p como la probabilidad de encontrar un artculo defectuoso, tomando a
Y como una distribucin binomial y sabiendo que p varia diariamente, tomamos el
intervalo (0, ) para calcular el valor esperado de Y.
Sabemos que E (Y)= E [E(Y|p)] donde E(Y|p) = np
Entonces
E (Y|p)= n (-0/2) = n/8
Sustituyendo n=10 tenemos E (Y) = 10/8 =1.25
podemos decir que se promediaran 1.25 defectos da
En la mayora de las veces puede ser complicado calcular directamente los momentos de
algunas variables aleatorias, por lo cual debemos utilizar otras tcnicas ms favorables.
Posteriormente utilizaremos la funcin generadora de momentos de una variable
aleatoria X, la cual est definida por
Mx(t)=E(etX)=etX*f(x)
2.1.2. Varianza
El momento de segundo orden es conocido como varianza, la cual esta denotada por 2 y
representa el cuadrado de las desviaciones (esperanza) anteriormente vista, la formula
ms comn para definir la varianza viene dada por
(
( )
Probabilidad II
2. Momentos
V(X) EX E(X)
Ejemplo 1.
Sea X la variable aleatoria del nmero de equipos de computo que se utilizan como en
una empresa. Mostrar que la distribucin de probabilidad de la compaa B es mayor que
en la compaa A.
Compaa A
X
1
2
3
f(x)
0.3
0.4
0.3
X
F(x)
0
0.2
Compaa B
1
2
0.1
0.3
3
0.3
4
0.1
( )
) (
) (
) (
))
En el caso de la compaa B
= E(X) = (0)(0.2) + (1) (0.1) + (2)(0.3) +(3)(0.3)+(4(0.4) =2
( )
(
(
) (
) (
) (
))
) (
) (
) (
Probabilidad II
2. Momentos
Y en trminos de la funcin de densidad de probabilidad conjunta (
(
)(
) (
), tenemos
De igual forma es posible hacer observaciones para dos variables discretas. Para este
tipo de casos las formulas anteriores son reemplazadas por
(
)(
) (
( )
( ) ( )
( )
Cuando X y Y son variables independientes
Var (XY)=Var(X) + Var (Y) 2Cov(X,Y) o
b)
c)
d)
e)
f)
(
(
(
(
(
(
)
)
)
DEMOSTRACIN
( ) ( )
(
)
( )
)
(
)
)
(
g)
(
)
h) En general,
(
)
independientes.
Probabilidad II
2. Momentos
El coeficiente de correlacin
El coeficiente de correlacin de dos variables aleatorias es un nmero real con el que se
mide el grado o estado de dependencia lineal que existe entre ellas. Su definicin es la
siguiente.
Por definicin el coeficiente de correlacin de las variables aleatorias X y Y, denotado por
(X,Y), es el numero
(
( )
)
( )
En esta definicin se necesita tomar en cuenta que las varianzas son nicamente
positivas y finitas.
Vista como funcin de dos variables aleatorias, el coeficiente de correlacin es una
funcin simtrica pero no es lineal pues no separa sumas ni multiplicaciones por
constantes.
) es decir la suma de
De igual forma podemos entender la variacin total como(
los cuadrados de las desviaciones de los valores de Y menos la media de Y. Se denota
al valor de Y para los valores dados X
)
)
)
Si lo que se busca es una relacin lineal entre dos variables, podemos utilizar la siguiente
formula
Probabilidad II
2. Momentos
)(
15
48
Probabilidad II
2. Momentos
26
54
54
75
Utilizamos la formula
)(
(x2) y de (y2) y son 6174, 3817 y 10845 respectivamente, sustituimos en la formula dando
por resultado
R= 0.9596
X 24 35 28 47 12 44 56
Y
( )
( )
( )
Nos da un valor esperado que es denominado el r-simo momento alrededor del origen y
que denotamos por
Algunas de las distribuciones mencionadas en la unidad anterior y que son las principales
funciones generadoras de momentos son:
10
10
Probabilidad II
2. Momentos
etx
ebt e at
Uniforme : M x (t )
dx
, t0
aba
(b a)t
b
n
n
n
Binomial : M x (t ) k 0 etk p k (1 p) n k pet (1 p)
k
t
t
e k
Poisson : M x (t ) k 0 etk
e ee e ( e 1)
k!
M Y ( t ) M Xi ( t )
i 1
M Y ( t ) e i ( e 1) e ( 1 i ) e 1)
t
i 1
()
11
11
Probabilidad II
2. Momentos
()
()
( ) (
( )
)
(
()
( )
()
()
()
Tercer teorema.- Considerando que X y Y son variables aleatorias que tienen funciones
( )y
( ) respectivamente. Entonces X y Y conservan la
generadoras de momento
( )=
( ) de manera idntica
misma distribucin de probabilidad si y slo si
Ejemplo 1.
Dos amigas Ana y Bety van al sper, pero cada una llega a la tienda por su cuenta, en
intervalos distribuidos uniformemente entre las 10 AM y las11 AM. Generalmente Ana
permanece10 minutos y Bety 15 comprando, cuando no se encuentran. Pero, si ambas se
encuentran, Ana espera a la otra amiga durante 5 minutos. Se sabe que Ana y Bety
gastan gA y gB pesos por minuto, cuando van solas, pero si estn juntas, gastan el doble.
De acuerdo a la funcin generadora de momentos calcula:
(a) La probabilidad de que Ana y Bety se encuentren
(b) E(TA )y E(TB ),donde TA y TB son los tiempos respectivos de permanencia de
Ana y Bety.
(c) Calcule E(G),donde G es la suma de los gastos de Ana y Bety.
Solucin
Vamos a generar tres funciones (probabilidad, tiempo y gasto), partiendo de variables
aleatorias, cabe mencionar que tendrs que conocer el tema de distribucin uniforme,
varianza y esperanza para poder distinguir la utilizacin de estas en el problema.
Para esto nombraremos a Ana = A y a Bety = B
12
12
Probabilidad II
2. Momentos
a) Si identificamos X y Y los tiempos en que llegan A y Tomamos variables aleatorias
independientes y una distribucin uniforme entre (0,60) tomando a 0 para las
10:00 AM y 60 para las 11:00 AM. Para calcular la probabilidad de que ambas
amigas se encuentren se determinan dos eventos probables:
i. Si A llega antes que B (X<Y), entonces se produce el encuentro.
ii. Si Y-X<10
Ambos eventos los podemos sintetizar de la siguiente manera:
0<Y-X<10
Si por otro lado, si B llega antes (Y<X), las amigas se encontraran si X-Y<15, resumiendo
esta situacin sera 0<X-Y<15.
Si ubicamos ambos sucesos con regiones de (0,60) X (0,60) como sigue representamos
los sucesos de la siguiente manera:
El primer suceso est representado por la regin
R1= {(x, y) [0.60]2| 0 <y-x< 10}
Esta regin representa el espacio entre la diagonal y la recta
Y= x+10
El rea R2 se calcula como
13
13
Probabilidad II
2. Momentos
)
(
(
)
14
14
Probabilidad II
2. Momentos
(
0 (
-1
) (
).
))
Que es igual a
( .
0 (
0 .
/1
0 (
15
15
Probabilidad II
2. Momentos
As mismo,
Si B llega primero y A llega antes de 5 minutos (0 <X- Y< 5), tambin se tiene TB =15.
Por ultimo si A llega ms de 5 minutos despus de B y se encuentran (5 <X-Y< 15)
Entonces
TB =10+X-Y. Usando la notacin de los indicadores tenemos
TB =15(1{X-YO5} +1{X-YP15} )+(10+X-Y)1{5<X-Y<15}
Como antes, debemos evaluar las probabilidades de los sucesos que producen el valor
15.
P(X-YO 5)+P(X-Y P15)=1-P(5 <X-Y< 15)
Entonces, Tenemos que ver el gasto G en funcin de los tiempos de estancia en el sper
comprando.
Definimos una nueva variable aleatoria TAB como el tiempo en las dos juntas en la tienda.
Y la representamos de la siguiente manera:
G = GA TA +GBTB +(GA +GB )TAB
16
16
Probabilidad II
2. Momentos
De tal forma calculamos E(TAB ) mediante la siguiente suposicin:
A llega primero y que se encuentran y B llega antes de 10 minutos (0 <Y- X< 10);
entonces el tiempo que ambas amigas estn juntas ser:
TAB =15
Si B llega primero y A llega antes de 5 minutos (0 <X-Y< 5), entonces TAB =15-(X-Y).
Si B llega primero y A llega despus de 5 minutos y se encuentran (5 <XY< 15),
entonces TAB =10.
Por ltimo, si no se encuentran TAB = 0, en la notacin de indicadores tenemos:
Para obtener,
( )
( )
17
17
Probabilidad II
2. Momentos
Que seria la suma del gasto que realizan Ana y Bety estando de compras juntas
()
. /(
. /
) , obtenemos:
Ahora bien.
()
y
()
Al hacer
)(
, obtenemos:
y
,(
18
-.
18
Probabilidad II
2. Momentos
Por tanto,
(
Que est de acuerdo con lo que se obtiene por medio de las distribuciones de
probabilidad discreta
Ejemplo 2.- Exprese que la funcin generadora de momentos de la variable aleatoria X
que tiene una distribucin de probabilidad normal con media y varianza
est dada
por:
()
Solucin:
Aplicando la definicin de la funcin generadora de momentos de la variable aleatoria
normal X tenemos:
()
- ]
)-
Por lo tanto,
()
Sea
*,
)- ; entonces
()
)-
( )*,
19
)-+
/,
19
Probabilidad II
2. Momentos
Ya que la ltima integral representa el rea bajo una curva de densidad normal estndar y
por ello es igual a 1.
Ejemplo 3.- Demuestre que la funcin generadora de momentos de la variable aleatoria X
() (
) .
que tiene una distribucin ji cuadrada con grados de libertad es
Solucin:
La distribucin ji cuadrada se obtuvo como un caso especial de la distribucin gamma al
hacer
. Al sustituir por ( ) de la definicin de la funcin generadora
y
de momentos de una variable aleatoria X, se obtiene lo siguiente:
()
Al escribir
( )
, (
( )
)-
, se obtiene:
()
( )(
( )
)
Eu ( x ) / y u ( x ) f ( x / y)
x
Eu ( x ) / y u ( x ) f ( x / y)dx
20
20
Probabilidad II
2. Momentos
Ejemplo, la densidad conjunta de dos variables aleatorias x y y esta denotada por
f (x)
2
( x 2 y) para valores 0 x 1 y 0 y 1
3
2 1
1
( x 2 y )dx (1 4 y )
0
3
3
f ( x, y ) 2 / 3( x 2 y )
f ( x / y)
h( y )
1 / 3(1 4 y )
h( y ) f ( x, y )dx
12
5
E
(
x
/
1
/
2
)
x( x 1)dx
0
1
2
3
9
f x / ( x 1)
1
2 3
E ( x 2 / 1 / 2) 2 x 2 ( x 1)dx 7
0 3
18
P( x i ) 0
i 1
p( x i ) 1
q( y i ) P( Y y i ) f ( x)dx
k
21
21
Probabilidad II
2. Momentos
2.3.2. Caso continuo
Variables aleatorias continuas. Cuando una variable toma los valores x1, ..., xk. si la
variable es contina, no vale la pena realizar una suma de las probabilidades de cada uno
de los elementos en el sentido anterior, ya que el conjunto de valores que puede tomar la
variable es no numerable.
f (x) 0
f ( x )dx 1
b
22
22
Probabilidad II
2. Momentos
2.3.3 Caso mixto
Debido a que una variable aleatoria puede ser indistintamente discreta y continua, es
decir puede asumir valores puntuales con una probabilidad distinta de cero, o valores por
intervalos.
Ejemplo. Sea el experimento de conocer la vida til de equipos de computo, donde X es el
tiempo que funcionara el equipo, pero existe una probabilidad de que el artculo no
funcione del todo, falla en el tiempo X = 0;
Ejemplo. Tambin cuando Y es la variable aleatoria que representa la demora de un
repartidor de pizza al hacerlo detenerse de manera obligatoria, existe una probabilidad de
que no haya trfico y el repartidor no tenga demora X = 0, s tiene que esperar, lo debe
hacer por un tiempo continuo.
Como se aprecia en la grafica superior, para encontrar la probabilidad de que una cierta
variable x
tenga un desempeo entre a y
b, a < b,
se escribe como sigue:
23
23
Probabilidad II
2. Momentos
situacin de la vida diaria.
De acuerdo a lo descrito en el tema 2.2.1 y 2.2.2 caso discreto y caso contino
respectivamente, realiza lo siguiente:
1. Descarga el archivo llamado Clasificacin de familias. Ubicado en la pestaa de
la unidad 2
2. Resuelve el ejercicio que se presenta en el documento
3. Guarda tu documento con la siguiente nomenclatura PRO2_U2_A3_XXYZ y
Autoevaluacin
Para verificar tus conocimientos adquiridos en la unidad, debers ingresar a la
autoevaluacin y responder las preguntas que ah se te plantean. La calificacin
obtenida quedar registrada en el portafolio de evidencias.
Instrucciones: A partir de las grficas anteriores, realiza las grficas de manera
simtrica y anota los datos asignados a cada variable para que comprendas la diferencia
entre variables continuas y variables discretas
Por ejemplo
Simetra
12
10
8
6
4
2
0
1er trim.
24
24
Probabilidad II
2. Momentos
12
10
8
6
4
2
0
1er trim.
7.00
6.00
5.00
4.00
3.00
2.00
1.00
0.00
25
25
Probabilidad II
2. Momentos
3. Guarda tu documento con la siguiente nomenclatura PRO2_U1_EA_XXYZ.
4. Recuerda sustituir las XX por las dos primeras de tu primer nombre, la Y por la
inicial de tu apellido paterno y la Z por la inicial de tu apellido materno.
Autorreflexiones
Al finalizar, consulta el Foro: Preguntas de autorreflexin para realizar el ejercicio
correspondiente y enviarlo a travs de la herramienta Autorreflexiones, recuerda que
tambin se toman en cuenta para la calificacin final.
Cierre de la unidad.
En esta unidad aprendiste cmo se desarrolla una esperanza matemtica, un covarianza
y su coeficiente de correlacin, determinaste variables aleatorias discretas y continuas y la
forma en que estn cambian dependiendo la situacin en la que estn.
Identificaste como una variable aleatoria discreta o continua, puede generar un momento
que permite establecer parmetros de solucin dentro de una problemtica.
Te invitamos a que sigas estudiando en este mundo de la probabilidad, donde se pueden
representar muchos casos que nos ayudan a pronosticar eventos de la vida cotidiana, y
en cierta forma predecir resultados anticipadamente.
Referencias bibliogrficas
Probabilidad y Estadstica, 2001, ediciones Instituto de Investigacin Tecnolgica
Educativa de la Universidad Tecnolgica de Mxico S.C., Mxico
Milton J. Susan , 2003, Probabilidad y Estadstica con aplicaciones para Ingeniera y
Ciencias Computacionales, Mc Graw Hill, Mxico
Spiegel MurrayR. 2002, Probabilidad y Estadstica, Mc Graw Hill 3 edicin, Mxico
26
26
Probabilidad II
2. Momentos
Seymour, 2001, Probabilidad, Mc Graw Hill, 2 edicin , Colombia
27
27