3. Estadísticos principales

  • Esperanzas, varianza y ley débil de los grandes números

  • Variables aleatorias especiales

3.1. Esperanza

La esperanza o valor esperado de una v.a. X se denota E[X] y se calcula como:

E[X]={ixiP(X=xi)siXdiscretaxfX(x)dxsiXcontinua

Consideremos g una función a valores reales, entonces:

E[g(X)]={ig(xi)P(X=xi)siXdiscretag(x)fX(x)dxsiXcontinua

Para el caso especial de g(x)=xn se define el n-ésimo momento de X como:

E[Xn]={ixinP(X=xi)siXdiscretaxnfX(x)dxsiXcontinua

La esperanza es el primer momento y se denota μ.

Propiedades

Sean a,bR entonces:

E[aX+b]=aE[X]+bE[X+Y]=E[X]+E[Y]

3.2. Varianza y covarianza

La varianza mide la variación de la v.a. entorno a la esperanza o media μ, y se define como

Var(X)=E[(Xμ)2]=E[X2]μ2

Se cumple que:

Var(aX+b)=a2Var(X)

Se define además la desviación estándar σ=Var(X)

La covarianza mide la relación (lineal) que hay entre dos v.a. X e Y. Si denotamos μX=E[X] y μY=E[Y] entonces:

Cov(X,Y)=E[(XμX)(Yμy)]

La correlación es una medida normalizada:

Corr(X,Y)=Cov(X,Y)Var(X)Var(Y)

Propiedades

Cov(X,Y)=Cov(Y,X)Cov(X,X)=Var(X)Cov(X+Z,Y)=Cov(X,Y)+Cov(Z,Y)Cov(iXi,Y)=iCov(Xi,Y)Var(X+Y)=Var(X)+Var(Y)+2Cov(X,Y)Var(iXi)=iVar(Xi)+ijiCov(Xi,Xj)

3.3. Otros estadísticos

 Asimetría (skewness) =E[(Xμ)3]σ3=E[X3]3μσ2μ3σ3 Curtosis =E[(Xμ)4]σ4=E[X4]4μE[X3]+6μ2σ2+3μ4σ4