Relacin entre Momentos y Forma de una fdp.

Para calcular los parmetros principales de una distribucin, tales como la media,
varianza, sesgo, etc., se utilizan los momentos de la distribucin. El concepto de
momento en probabilidad es una generalizacin del concepto de momento en mecnica.
El n-simo momento de una fdp dada por una funcin real f!"# con respecto a un punto c,
est e"presado en$
!%#
&i 'acemos c() en la e"presin anterior, el valor obtenido es el momento con
respecto al origen, es llamado el valor esperado de
n
X
$
En donde f(x)dx est sustituido por dF(x) y si ocurre para un valor n *ue
entonces se dice *ue ese momento no e"iste.
Por otro lado, si 'acemos c ( + en !%# entonces entonces obtendremos los
momentos centrales de orden n. ,omo se e"plicar enseguida, stos -ltimos sirven para
describir la forma de la fdp con independencia de movimientos de traslacin a lo largo
del e.e real.
El primer momento con respecto a cero, si e"iste, representa la media, designada
por +, de la fdp. /a principal interpretacin de la media es como esperanza matemtica de
la variable aleatoria X. 0tra interpretacin de la media es como la abscisa del centroide o
centro de gravedad de la distribucin de probabilidad. /a media es interpretada tambin
como el valor promedio de los datos de la muestra o la poblacin. Finalmente, el inverso
multiplicativo o rec1proco de la media puede ser interpretado como tasa unitaria
promedio, seg-n el caso de *ue se trate.
0tra e"presin para el n-simo momento central para una variable aleatoria X es
2e donde se sigue *ue el primer momento central es cero.
El segundo momento central es la varianza
3
, cuya ra1z cuadrada positiva es la
desviacin standard

.
El n-simo momento central normalizado o standarizado es el n-simo momento
central dividido por 4
n
y es, para la variable aleatoria x ( E!!x 5 +#
n
#64
n
. Estos momentos
centrales normalizados son cantidades adimensionales y sirven para representar la forma
de la distribucin, independientemente de cual*uier cambio de escala.
7
El tercer momento central normalizado representa el sesgo

, es decir 'acia *u
lado, derec'o o iz*uierdo, estn amontonados los datos. &e usa la formula$
8
8
6 =
&i la distribucin es simtrica, entonces el sesgo es cero. &i estn los datos
amontonados 'acia la derec'a, tendremos un sesgo negativo, indicando *ue la mayor
proporcin de varianza est dada 'acia la regin iz*uierda de la distribucin, mientras
*ue si estn amontonados a la iz*uierda 'abr un sesgo positivo, indicando *ue la mayor
proporcin de varianza est repartida 'acia la derec'a de la distribucin. Para
distribuciones *ue no sean demasiado diferentes de la normal, la mediana estar cerca de
6 9 mientras *ue la moda tendr un valor cercano a 6 3
El cuarto momento standarizado de una fdp es
%
%
6 donde
%
es el cuarto
momento central. /a :urtosis es una medida de si la distribucin es alta y esbelta o ms
bien plana y desconcentrada. ; este momento se le llama :urtosis y est dado, en teor1a
de probabilidad moderna por el cuarto momento central dividido por el cuadrado de la
varianza menos 8$
%
%
6 8 =
la cual es conocida como :urtosis en e"ceso donde el -8 es una correccin para 'acer *ue
la :urtosis de la distribucin normal sea cero. &i una distribucin tiene una cresta y colas
largas, el cuarto momento ser muy grande. Para el caso de funciones acotadas, como las
*ue estudiaremos a*u1, se observarn valores ba.os de :urtosis, razn por la cual no
utilizaremos la correccin !-8# sino simplemente la definicin bsica$
%
%
6 =
/a :urtosis puede adoptar valores muy altos siempre *ue

sea mayor *ue

3
3 y
para distribuciones no acotadas *ue se apro"iman a la normal, < com-nmente est entre
los valores
3

y
3
3 .
3