Momento factorial

Expectativa o media del factorial descendente de una variable aleatoria

En teoría de probabilidad , el momento factorial es una cantidad matemática definida como la expectativa o el promedio del factorial descendente de una variable aleatoria . Los momentos factoriales son útiles para estudiar variables aleatorias de valores enteros no negativos , [1] y surgen en el uso de funciones generadoras de probabilidad para derivar los momentos de variables aleatorias discretas.

Los momentos factoriales sirven como herramientas analíticas en el campo matemático de la combinatoria, que es el estudio de estructuras matemáticas discretas. [2]

Definición

Para un número natural r , el momento factorial r -ésimo de una distribución de probabilidad en los números reales o complejos, o, en otras palabras, una variable aleatoria X con esa distribución de probabilidad, es [3]

mi [ ( incógnita ) a ] = mi [ incógnita ( incógnita 1 ) ( incógnita 2 ) ( incógnita a + 1 ) ] , {\displaystyle \nombreoperador {E} {\bigl [}(X)_{r}{\bigr ]}=\nombreoperador {E} {\bigl [}X(X-1)(X-2)\cdots (X-r+1){\bigr ]},}

donde E es la expectativa ( operador ) y

( incógnita ) a := incógnita ( incógnita 1 ) ( incógnita 2 ) ( incógnita a + 1 ) a  factores incógnita ! ( incógnita a ) ! {\displaystyle (x)_{r}:=\underbrace {x(x-1)(x-2)\cdots (x-r+1)} _{r{\text{ factores}}}\equiv {\frac {x!}{(xr)!}}}

es el factorial descendente , lo que da origen al nombre, aunque la notación ( x ) r varía dependiendo del campo matemático. [a] Por supuesto, la definición requiere que la expectativa sea significativa, lo cual es el caso si ( X ) r ≥ 0 o E[|( X ) r |] < ∞ .

Si X es el número de éxitos en n ensayos, y p r es la probabilidad de que cualesquiera r de los n ensayos sean todos éxitos, entonces [5]

mi [ ( incógnita ) a ] = norte ( norte 1 ) ( norte 2 ) ( norte a + 1 ) pag a {\displaystyle \operatorname {E} {\bigl [}(X)_{r}{\bigr ]}=n(n-1)(n-2)\cdots (n-r+1)p_{r}}

Ejemplos

Distribución de Poisson

Si una variable aleatoria X tiene una distribución de Poisson con parámetro λ , entonces los momentos factoriales de X son

mi [ ( incógnita ) a ] = la a , {\displaystyle \operatorname {E} {\bigl [}(X)_{r}{\bigr ]}=\lambda ^{r},}

que son simples en forma en comparación con sus momentos , que involucran números de Stirling del segundo tipo .

Distribución binomial

Si una variable aleatoria X tiene una distribución binomial con probabilidad de éxito p[0,1] y número de ensayos n , entonces los momentos factoriales de X son [6]

mi [ ( incógnita ) a ] = ( norte a ) pag a a ! = ( norte ) a pag a , {\displaystyle \operatorname {E} {\bigl [}(X)_{r}{\bigr ]}={\binom {n}{r}}p^{r}r!=(n)_{r}p^{r},}

donde por convención, y se entienden como cero si r > n . ( norte a ) {\displaystyle \textstyle {\binom {n}{r}}} ( norte ) a Estilo de visualización (n) _{r}

Distribución hipergeométrica

Si una variable aleatoria X tiene una distribución hipergeométrica con un tamaño de población N , un número de estados de éxito K ∈ {0,..., N } en la población y extrae n ∈ {0,..., N }, entonces los momentos factoriales de X son [6]

mi [ ( incógnita ) a ] = ( K a ) ( norte a ) a ! ( norte a ) = ( K ) a ( norte ) a ( norte ) a . {\displaystyle \operatorname {E} {\bigl [}(X)_{r}{\bigr ]}={\frac {{\binom {K}{r}}{\binom {n}{r}} r!}{\binom {N}{r}}}={\frac {(K)_{r}(n)_{r}}{(N)_{r}}}.}

Distribución beta-binomial

Si una variable aleatoria X tiene una distribución beta-binomial con parámetros α > 0 , β > 0 y número de ensayos n , entonces los momentos factoriales de X son

mi [ ( incógnita ) a ] = ( norte a ) B ( alfa + a , β ) a ! B ( alfa , β ) = ( norte ) a B ( alfa + a , β ) B ( alfa , β ) {\displaystyle \operatorname {E} {\bigl [}(X)_{r}{\bigr ]}={\binom {n}{r}}{\frac {B(\alpha +r,\beta )r!}{B(\alpha ,\beta )}}=(n)_{r}{\frac {B(\alpha +r,\beta )}{B(\alpha ,\beta )}}}

Cálculo de momentos

El momento bruto r de una variable aleatoria X se puede expresar en términos de sus momentos factoriales mediante la fórmula

mi [ incógnita a ] = yo = 1 a { a yo } mi [ ( incógnita ) yo ] , {\displaystyle \operatorname {E} [X^{r}]=\sum _{j=1}^{r}\left\{{r \atop j}\right\}\operatorname {E} [(X)_{j}],}

donde las llaves denotan números de Stirling del segundo tipo .

Véase también

Notas

  1. ^ El símbolo de Pochhammer ( x ) r se utiliza especialmente en la teoría de funciones especiales , para denotar el factorial descendente x ( x - 1)( x - 2)...( x - r + 1) ;. [4] mientras que la presente notación se utiliza más a menudo en combinatoria .

Referencias

  1. ^ DJ Daley y D. Vere-Jones. Introducción a la teoría de procesos puntuales. Vol. I. Probabilidad y sus aplicaciones (Nueva York). Springer, Nueva York, segunda edición, 2003
  2. ^ Riordan, John (1958). Introducción al análisis combinatorio . Dover.
  3. ^ Riordan, John (1958). Introducción al análisis combinatorio . Dover. pág. 30.
  4. ^ Biblioteca digital de funciones matemáticas del NIST . Consultado el 9 de noviembre de 2013 .
  5. ^ PVKrishna Iyer. "Un teorema sobre momentos factoriales y sus aplicaciones". Anales de estadística matemática, vol. 29 (1958). Páginas 254-261.
  6. ^ ab Potts, RB (1953). "Nota sobre los momentos factoriales de distribuciones estándar". Revista australiana de física . 6 (4). CSIRO: 498–499. Código Bibliográfico :1953AuJPh...6..498P. doi : 10.1071/ph530498 .
Obtenido de "https://es.wikipedia.org/w/index.php?title=Momento_factorial&oldid=1251157618"