Procesos Estocsticos

Departamento de Elctrica y Electrnica

Dr. Marco J. Flores C.
Abril-Septiembre 2016

Funcin generadora de momentos y caracterstica

Funcin generadora de momentos (FGM)

Denicin
Sea X una v.a. con cdf FX (x ). La funcin generadora de momentos
(FGM) de X , denotada por MX (t ) es:
( ) := E [e tX ]

R
R tx
En el caso continuo, se tiene: MX (t ) =P e fX (x )dx .
En el caso discreto, se tiene: MX (t ) = x SX e tx P (X = x ).
MX t

para t

Teorema
Si X tiene FGM, MX (t ), entonces:
(n )
[ n ] = MX (0)

E X

donde MX(n) (0) = dtd n MX (t )|t =0 .

Es decir, el n-simo momento es igual a la n-sima derivada de MX (t )
evaluada en t = 0.
Dr. Marco J. Flores C.

Procesos Estocsticos

Funcin generadora de momentos y caracterstica

Funcin generadora de momentos (FGM)

Si X es una v.a. continua, entonces MX (t ) es:

tX ]
MX (t ) = E [e

tX f (x )dx
X

1 + tx

= 1 + tm1 +


(tx )2
+ ... fX (x )dx
+
2!

t m2

2!

+ ...

donde mi es el i-simo momento.

Relacin entre T. Laplace y FGM
La transformada bilateral de Laplace, F (s ), de fX (x ) es MX (s ).
( )

F s

L(fX (x ))
Z

Dr. Marco J. Flores C.

sx

( )

fX x dx

Procesos Estocsticos

M (t )

Funcin generadora de momentos y caracterstica

Ejemplo de

Dr. Marco J. Flores C.

Procesos Estocsticos

M (t )

Funcin generadora de momentos y caracterstica

Ejemplo de

Ejemplo1: Clculo de MX (t )
Sea la v.a. X Exp (). Hallar MX (t ) y E [X 3 ].
Ejemplo2: Clculo MX (t )
Dado la MX (t ) de la v.a. X Ga(, ), encontrar E [X 1 ], E [X 2 ] y
1
3

E [X ]; donde MX (t ) = (
1t ) si t < 1/.
( )=

fX x

( )=

MX t

1
()

1
()

Usando la denicin
( )=

MX t

1 x /
e

si x

tx x 1 e x / dx =

> 0, > 0, > 0

()

a1 e x /b dx =
0 (a )b a x
1

1
()


()

Dr. Marco J. Flores C.

1 t

|
e


=

1 t

Procesos Estocsticos

{z

x /(/(1t ))

1 se tiene:

(1/t )x

dx

M (t )

Funcin generadora de momentos y caracterstica

Ejemplo de

Ejemplo3: Clculo de MX (t )
Sea X Bin(n, p ). Hallar su MX (t ), E [X ] y E [X 2 ].

( )

MX t

n
X

tx
e

x =0

n  
X
n
x =0

 

pe

x (1 p )nx

t
x (1 p )nx = pe t + (1 p )n

sabiendo que nx=0 xn u x v nx = (u + v )n , con u = pe t y v = 1 p se

obtiene el resultado.
Finalmente, usando MX (t ) se obtiene:
[ ]=

E X

d
dt

( )|t =0 = npe t

MX t

Dr. Marco J. Flores C.

pe

t + (1 p )n1 |
t =0 =

Procesos Estocsticos

np

Funcin generadora de momentos y caracterstica

Funcin generadora de momentos (FGM)

Teorema
Sean FX (x ) y FY (y ) las cdf de dos v.a. cuyos momentos existen.
Si X y Y tienen soporte acotado, entonces FX (u ) = FY (u ) para
toda u , si y solamente si E [X r ] = E [Y r ] para r = 0, 1, 2, ...
Si la mgf existe y MX (t ) = MY (t ) para todo t en alguna vecindad
de cero, entonces, FX (u ) = FY (u ) para toda u .
Teorema
Para cualquier constante a y b, la FGM de la v.a.
MY

= aX + b es:

(t ) = MaX +b (t ) = e bt MX (at )

( ) = E [e (aX +b)t ] = E [e aXt e bt ] = e bt E [e atX ] = e bt MX (at )

MaX +b t

Dr. Marco J. Flores C.

Procesos Estocsticos

Funcin generadora de momentos y caracterstica

Funcin generadora de momentos (FGM)

Teorema: convergencia de las FGM

Supongamos {Xi , i = 1, 2...} es una secuencia de v.a., cada una con
MXi (t ), adems supongamos que
( ) = MX (t )

limi MXi t

para todo t en una vecindad de 0

y MX (t ) es una mgf. Entonces existe una nica cdf FX (x ) cuyos

momentos estn determinados por MX (t ) y, para todo x donde FX (x ) es
continua, se tiene:
( ) = FX ( x )

limi FXi x

Dr. Marco J. Flores C.

Procesos Estocsticos

Funcin generadora de momentos y caracterstica

Funcin caracterstica

Funcin caracterstica
La funcin caracterstica de una v.a.

se dene mediante:

X (t ) = E [e jtx ]

donde j = 1 (imaginario).
a La

relacin entre la funcin de distribucin y la funcin caracterstica es uno-a-uno. Es decir, conocer la

funcin caracterstica es sinnimo de conocer la funcin de distribucin.

jtx f (x )dx
En el caso continuo, se tiene: X (t ) =
e
X
P jtx
En el caso discreto, se tiene: X (t ) = x e P (X = x )

Teorema
La funcin caracterstica, X (t ), puede escribirse como
X (t ) = E [cos (tX )] + jE [sin(tX )]
Dr. Marco J. Flores C.

Procesos Estocsticos

Funcin generadora de momentos y caracterstica

Funcin caracterstica

Teorema
Siempre se tiene que |X (t )| 6 1, la igualdad ocurre cuando t = 0.
Relacin entre MX (t ) y X (t )
Si jt = s se tiene:
X (s ) = E [e sx ] =

Z
e

sx f (x )dx =
X

( )

MX s

donde X (jt ) = X (s )
Teorema
Sea X una v.a. con funcin caracterstica, X (t ), entonces:
1 (n )
[ n ] = n X (t )|t =0

E X

donde X(n) (t ) =

dn
dt n X (t )
Dr. Marco J. Flores C.

Procesos Estocsticos

Funcin generadora de momentos y caracterstica

Funcin caracterstica

Teorema
Sea X una v.a. con funcin caracterstica, X (t ), y Y = aX + b, con a y
b constantes, entonces:
Y (t ) = e jbt X (at )
Y (t ) = E [e jtY ] = E [e jt (aX +b) ] = e jbt E [e jatX ]

Teorema
Para todo real t , X (t ) = X (t ). En particular si la pdf de X es
simtrica con respecto al origen, entonces X (t ) es una funcin real y
par de t .

Dr. Marco J. Flores C.

Procesos Estocsticos

Funcin generadora de momentos y caracterstica

Funcin caracterstica

Inversa de X (t )
Usando las propiedades de la tranformada de Fourier inversa se tiene:
( )=

fX x

1
2

X (t )e jtX dt

Determinacin de la pdf de g (X )
Sea X un v.a. con funcin caracterstica, X (t ), y sea Y = g (X ). Para
determinar la pdf de Y se puede usar la funcin caracterstica, de manera
que:
Z

Y (t ) =

jtY f (y )dy
e
Y

jtg (x ) f (x )dx
= E [e jtg (X ) ] =
e
X
|{z}

| R
{z
}
Y =g (X )

jty h(y )dy

e

de donde se concluye que fY (y ) = h(y ).

Dr. Marco J. Flores C.

Procesos Estocsticos

Funcin generadora de momentos y caracterstica

Ejemplos usando

( )
X

Ejemplo1: Clculo de X (t )
Sea la v.a. X Exp (). Hallar X (t ) y E [X 3 ].
Ejemplo2: pdf de Y = g (X )
Sea X N (0, 2 ) y sea Y = aX 2 . Hallar la pdf de Y usando X (t ).
Z

Y (t ) =

Reemplanzando y =
Sol:

y /2a2

fY (y ) = e
2ay

si

jtax 2 f (x )dx =
X

2
ax

Z
0

jatx 2 e x 2 /22 dx

y dy = 2axdx se obtiene el resultado-

y > 0.

Ejemplo3: pdf de Y = g (X )
Sea X U (/2, /2) y sea Y = sinp
(X ). Hallar la pdf de Y .
Usar: y = sin(x ) y dy = cos (x )dx = 1 y 2 dx
Sol:

FY ( y ) =

1
1 2

con

|y | < 1

Dr. Marco J. Flores C.

Procesos Estocsticos

Funcin generadora de momentos y caracterstica

Ejemplos usando

( )
X

Ejemplo4: Vericar el teorema

Siempre se tiene que |X (t )| 6 1, la igualdad ocurre cuando t = 0.
Sol:

|X (t )|


E
Z

6
=
X (0)

Z

 jtX

e
fX (x )dx 


jtX
 = 


 jtX 
e  fX (x )dx
fX x dx

=1

j 0X
=

( )

(1)

1fX (x )dx

= 1
Dr. Marco J. Flores C.

Procesos Estocsticos

Funcin generadora de momentos y caracterstica

Tarea para reforzar el conocimiento

Tarea
Desarrollar ejercicios de este tema, en los casos discreto y continuo,
separadamente.

Dr. Marco J. Flores C.

Procesos Estocsticos

Funcin generadora de momentos y caracterstica

Alberto Leon Garca.

Probability, Statistics and Random Processes for Electrical

.
Prentice Hall, 2008.
John A. Gubner.
Engineering

Probability and Random Processes for Electrical and Computer

.
Cambridge University Press, 2006.

Engineers

Richard Scheaer and Linda Young.

Introduction to probability and its applications

Brooks Cole, Cengage Learning, 2010.

Dr. Marco J. Flores C.

Procesos Estocsticos