Professional Documents
Culture Documents
E( X k )
Notemos que
∑ e p X ( x)
tx
si X es discreta
x∈R X
M X (t ) = E (e tX ) =
∞ tx
∫ e f X ( x)dx si X es continua
−∞
siempre que el valor esperado exista para todo t ∈ (−h, h), h > 0 . Esta última es una
condición técnica necesaria para que M X (t ) sea diferenciable en 0.
Teorema: Sea X una v.a. para la cual existe la función generadora de momentos M X (t ) ,
entonces
∂n
E( X n ) = M X (t )
∂t n t =0
74
Lema: Si la función g(t) definida por
∞
g (t ) = ∑ e tx p( x) ó g (t ) = ∫ e tx f ( x)dx
x −∞
converge para todo t ∈ (− h, h) para algún h > 0 , entonces existen las derivadas de orden
n de g(t) para todo t ∈ (− h, h) y para todo n entero positivo y se obtienen como
∞
∂ n g (t ) ∂ n e tx ∂ n g (t ) ∂ n e tx
= ∑ n p( x) ó =∫ f ( x)dx
∂t n x ∂t ∂t n − ∞ ∂t
n
∂ n M X (t ) ∂ n e tx ∂ n M X (t ) ∞ ∂ n e tx
= ∑ n p ( x) ó = ∫ f ( x)dx
∂t n x ∂t ∂t n −∞ ∂t n
∂ n M X (t ) ∂ n M X (t ) ∞ n tx
= ∑ x n e tx p ( x) ó = ∫ x e f ( x)dx
∂t n
x ∂t n −∞
∞
∂ n M X (t ) ∂ n M X (t )
= ∑ x n p( x) = E ( X n ) ó = ∫ x n f ( x)dx = E ( X n )
∂t n
t =0 x ∂t n
t =0 −∞
Ejemplos: 1) Sea X una v.a. con distribución exponencial de parámetro λ , o sea con
densidad
f X ( x) = λ e − λ x I ( 0,∞ ) ( x)
∞ ∞
λ ∞ λ
M X (t ) = E (e tX ) = ∫ e tx λ e − λ x dx = λ ∫ e − ( λ −t ) x dx = ∫ (λ − t ) e − ( λ −t ) x dx =
0 0 λ −t 0 λ −t
75
∂M X (t ) ∂ λ λ 1
E( X ) = = = = .
∂t t =0 ∂t λ − t t =0 (λ − t ) 2 t =0
λ
Como V ( X ) = E ( X 2 ) − (E ( X ) ) , calculemos E ( X 2 ).
2
∂ 2 M X (t ) ∂ λ 2λ ( λ − t ) 2
E( X 2 ) = = = =
∂t 2 t =0
∂t (λ − t )2
t =0 (λ − t ) 4 t =0
λ2
2 1 1
entonces, V ( X ) = − 2 = 2.
λ 2
λ λ
2) Sea X una v.a. con distribución Binomial de parámetros, n y p, o sea X ~ Bi(n, p). Su
función de probabilidad puntual es
n
p X (k ) = p k (1 − p) n − k si 0 ≤ k ≤ n
k
n
n n
n
M X (t ) = E (e tX ) = ∑ e t k p k (1 − p) n − k = ∑ (e t p) k (1 − p) n − k = (e t p + 1 − p) n .
k =0 k k =0 k
∂M X (t ) ∂ (e t p + 1 − p ) n
E( X ) = = = n(e t p + 1 − p ) n −1 pe t = np .
∂t t =0 ∂t t =0
t =0
∂ 2 M X (t ) ∂
E( X 2 ) = =
∂t
(
n(e t p + 1 − p ) n −1 pe t ) =
∂t 2
t =0 t =0
( ( )
= n(n − 1)(e t p + 1 − p) n − 2 pe t
2
+ n(e t p + 1 − p ) n −1 pe t ) 0
= n(n − 1) p 2 + np.
Dem: Ejercicio.
76
Unicidad de M X (t ) : Además de permitir calcular momentos de una v.a., la función
generadora de momentos permite identificar la función de densidad o de probabilidad de
una v.a. debido a la propiedad de unicidad, la cual establece que hay una
correspondencia uno a uno entre funciones de densidad o probabilidad y funciones
generadoras de momentos.
Distribución M X (t )
Bi(n,p) (e p + 1 − p ) n
t
Ejercicio: ¿Para qué valores de t existe cada una de las funciones generadoras de
momentos de la tabla anterior?
77