Академический Документы
Профессиональный Документы
Культура Документы
Virgilio L. Foglia
November 25, 2007
Octubre 2006
Contents
1 Lema de Borel-Cantelli 2
1.1 Deniciones previas . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Lema de Borel-Cantelli . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 Corolario . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1
5 Conservacin por Funciones continuas 14
9 Problemas 18
9.0.3 Problema 1 . . . . . . . . . . . . . . . . . . . . . . . . . . 18
9.0.4 Problema 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 21
9.0.5 Problema 3 . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1 Lema de Borel-Cantelli
1.1 Deniciones previas
Sea ( ; A; P ); un espacio de probabilidad, y A1 ; A2 ; :::; An ; :: una sucesin de
sucesos. Notar que cuando se efecta el experimento aleatorio ", y surge como
resultado un ! 2 ; habrn algunos An ; de la sucesin de sucesos, que se
realizarn, y otros que no. Si estamos interesados en los ! 2 ; que hacen que
se realicen por lo menos uno de los An de la sucesin, estaremos interesados
S
1
en el suceso A = Ai : Por otro lado si nos interesan los ! 2 ; que hacen
i=1
que se realicen todos los An de la sucesin, estaremos interesados en el suceso
T
1
A= Ai : En relacin a estos sucesos valen las siguientes proposiciones:
i=1
1
[
Si An An+1 y A = Ai =) P (A) = l{m P (An ) (1)
n!1
i=1
1
\
Si An An+1 y A = Ai =) P (A) = l{m P (An ) (2)
n!1
i=1
2
Lmite superior
1 [
\ 1
A1 = An = f! 2 : ! est en innitos An g (3)
k = 1n = k
Por ltimo, pueden interesar los ! 2 ;que hacen que se realicen todos los An a
partir de cierto indice.Se dene entonces el lmite inferior (A1 )de una sucesin
de sucesos as:
Lmite inferior
[1 \ 1
A1 = An = f! 2 : ! est todos los An a partir de cierto n0 g (4)
k = 1n = k
Dem(a):
1
[ 1
X
P (A1 ) = l{m P ( An ) l{m P (An ) = 0 (usando la hiptesis)
k!1 k!1
n=k n=k
Dem(b):
1
[ 1
\
P (A1 ) = l{m P ( An ) = 1 l{m P ( Acn )
k!1 k!1
n=k n=k
1
\ m
\ m
Y
Pero P ( Acn ) = l{m P ( Acn ) = l{m (1 P (An ))
m!1 m!1
n=k n=k n=k
p
pero 8p; 0 p 1 vale 1 p e luego
X
m
1
\ m
Y P (An )
P( Acn ) l{m e P (An )
= l{m e n=k = 0 (por hiptesis)
m!1 m!1
n=k n=k
1
Luego resulta que P (A ) = 1:
3
1.2.1 Corolario
1 \
[ 1
Si aplicamos leyes de Morgan a A1 = An resulta
k = 1n = k
1 [
\ 1
(A1 )c = Acn = (Ac )1
k = 1n = k
Luego si en lugar de la sucesin A1 ; A2 ; :::; An ; ::consideramos la sucesin de
complementos, o sea Ac1 ; Ac2 ; :::; Acn ; :el Lema de Borel-Cantelli queda
expresado:
1
X
(a) Si P (Acn ) < 1 =) P (A1 ) = 1
n=1
1
X
(b) Si P (Acn ) = 1 y An son independientes =) P (A1 ) = 0
n=1
Dem:
Dem:
4
2.3 Desigualdad de Kolmogorov
9
X1 ; X2 ; ::; Xn v.a. indep. >
>
E(Xi ) = 0 V ar(Xi ) < 1 >
=
i =) P (max jSi j ") V ar(Sn )="2
X > 1 i n
Si = Xk >
>
;
k=1
2.3.1 Observacin
Si aplicamos la desigualdad de Tchebichev a la v.a. Sn resulta
5
Ejemplo Sea el experimento ":"tirar innitas veces una moneda", y supngase
denido un espacio de probabilidad ( ; A; P ):
Luego, un resultado del experimento ", tiene el aspecto:
= f! 2 : 8" > 0; 9no 2 N; tal que si n no =) jXn (!) X(!)j < "g
8 9
< 1 \
[ =
= !2 : 8" > 0; (jXn (!) X(!)j < ") (5)
: ;
n0 =1n=n0
6
Como nos vemos en la necesidad de vericar el cumplimiento de una innidad
de condicines, denimos para cada " > 0; la sucesin de sucesos
A"n = f! 2 : jXn (!) X(!)j < "g
y entonces como
[ \ [ \
(jXn (!) X(!)j < ") = A"n = A"1
n0 =1n=n0 n0 =1n=n0
3.3.1 Observacin
Esta denicin de convergencia es demasiado fuerte. Notar que exige, para
todo resultado ! 2 ;la convergencia de la sucesin de nmeros reales X1 (!);
X2 (!); X3 (!); :::::::Xn (!)::: a X(!) Si en el ejemplo, al efectuar el experimento
aleatorio, el resultado es
! = (c; c; c; c; c; c; c; c:c; c; c; c; :::::)
(o sea salen todas caras), la sucesin de valores de las Xn (!) sera 1,1,1,1,1,1,: : :que
claramente no converge a 1/2. La pregunta aqu es: sern "muchos" los ! 2
en que no se da la convergencia?
7
3.4.1 Dos denicines equivalentes
Si recordamos el conjunto de ! 2 ; en que se da la convergencia puntual
= f! 2 : 8" > 0; 9no 2 N; tal que si n no =) jXn (!) X(!)j < "g
que en (5) lo expresamos como:
8 9
< 1 \
[ =
= ! 2 : 8" > 0; (jXn (!) X(!)j < ")
: ;
n0 =1n=n0
o sea
Primera denicin: 8" > 0; P (A"1 ) = 1
(9)
y tambin usando (1), esto equivale a:
\
Segunda denicin: 8" > 0; l{m P ( (jXn (!) X(!)j < ")) = 1 (10)
n0 !1
n=n0
8
Ejemplo En el problema de las monedas, si Cn :"nmero de caras en las n
pn v Bi (n; 1=2): Y como Xn = Cn =n; tambin
primeras tiradas de !" resulta C
E(Xn ) = 1=2; y (Xn ) = 1=(2 n). Luego por Tchebishev
8" > 0; 1 P (jXn (!) 1=2j < ") 1 1=(4n"2 )
P
y tomando lmite para n ! 1; resulta que Xn ! 1=2
3.6.1 Teorema
)
l{m E(Xn ) =
n!1 MC
=) Xn !
l{m V ar(Xn ) = 0
n!1
Dem:
E(Xn )2 = V ar(Xn ) + (E(Xn ) )2 y tomando lmite.
Este teorema es til en estadstica, ya que si se tiene una sucesin de
estimadores que son asintticamente insesgados,o sea X1 ; X2 ; : : : ; Xn ; : : : con
MC
E(Xn ) ! ; cuya varianza V ar(Xn ) ! 0; resultar Xn ! ; y tambin, como
p
se ver en (14) esto implica que Xn ! ; o sea la sucesin de estimadores ser
consistente.
9
en realidad la convergencia es entre FXn ! FY
la variable Y es una variable dummy, representa cualquier variable aleato-
ria que tenga por funcin de distribucin a FY : No tiene porqu estar
denida en el espacio ( ; A; P ): La denicin de convergencia en distribu-
cin exige adems una condicin de continuidad:
8
< 9FY funcin de distribucin, tal que
D 8y; punto de continuidad de FY
Xn ! Y sii (13)
: l{m F (y) ! F (y)
Xn Y
n!1
c:t:p P D
Xn ! X =) Xn ! X =) Xn ! X =) Xn ! X
(a) (b) (c)
(d) (14)
*
mc
Xn !X
Dem(a):
Si = entonces P ( ) = P ( ) = 1
Dem(b):
\
Como (jXn (!) X(!)j < ") (jXn0 (!) X(!)j < "); resultar
n=n0
0 1
\
P@ (jXn (!) X(!)j < ")A P (jXn0 (!) X(!)j < ") 1
n=n0
como 8" > 0 el lado izquierdo tiende a 1, resulta la tesis.
Dem(c):
10
tomando x, punto de continuidad de FX ; notar que si
resultar
X " < Xn < X + " y X >x+"
luego x = (x + ") "<X " < Xn < X + " =) Xn > x; o sea:
y complementando
luego FXn (x) P (jXn Xj ") + FX (x + ") y tomando l{m (ya que en x;
n!1
no tenemos asegurada la convergencia de FXn (x))
P
l{m FXn (x) FX (x + ") (usando que Xn ! X)
n!1
Dem(d):
11
4.0.1 Observacin
En la denicin de convergencia en distribucin se exigi una condicin
de continuidad. Veamos el porqu de esta exigencia. Consideremos la
sucesin de v.a. constantes
1 1 1 1 1
Xn = ; o sea: ; ; ;::::::; ;:::
n 1 2 3 n
Claramente Xn converge a X = 0; en los cuatro primeros tipos de con-
vergencia. Pero veamos que pasa con la convergencia en distribucin:
para x > 0; FXn (x) ! 1 = FX (x)
para x < 0; FXn (x) ! 0 = FX (x)
pero para x = 0; que no es punto de continuidad de FX (x), resulta
FXn (0) ! 0 6= 1 = FX (0): Luego la exigencia de convergencia solo en
los puntos de continuidad de FX (x), permite la validez de la implicacin
(c) anterior.
En (c), si X es una constante, vale el () : O sea vale:
P D
Xn ! c () Xn ! c
Se vern ahora algunos ejemplos de implicaciones que no son ciertas.
Observacin:
1
Notar que si la funcin de probabilidad de las Xi fuese P (Xn = 0) = 1 n2
1 P 1
y P (Xn = 1) = n2 resultara tambin que Xn ! 0 (ya que l{m (1 n2 ) = 1)
n!1
1
X 1
X
c:t:p 1
y adems Xn ! 0 ya que ahora P (A"c
n )= n2 < 1 =) P (A"1 ) = 1:
n=1 n=1
12
mc P
4.1.2 Ejemplo 2 (Xn ! X : Xn ! X)
1
Sea la sucesin X1 ; X2 ; ::; Xn ; :: de v.a. independientes con: P (Xn = 0) = 1 n
1 P mc
y P (Xn = n) = n probar que Xn ! 0 pero sin embargo Xn 9 0:
Solucin
1
Como 8" > 0; l{m P (jXn 0j < ") = l{m (1 n) = 1; resulta que
n!1 n!1
P
Xn ! 0: Veamos ahora la convergencia en media cuadrtica.
1 1
l{m E(Xn 0)2 = l{m E(Xn )2 = l{m 02 (1 ) + n2 = l{m n = 1
n!1 n!1 n!1 n n n!1
mc c:t:p:
4.1.3 Ejemplo 3 (Xn ! X : Xn ! X)
Sea U v U (0; 1) y se dene la sucesin de v.a. Xn = n IfU < 1 g .Vericar que
n
la sucesin converge c.t.p. a 0; pero no en media cuadrtica.
Solucin:
n o n "o
8" > 0; A"c
n = fjXn 0j "g = n IfU < 1
g " = IfU < 1
g
n n n
"
como siempre n > 0;
" 1 1
P (IfU < 1
g ) = P (IfU < 1
g = 1) = P (U < n ) = n
n n n
1
X 1
X
1
luego P (A"c
n )= n = 1: Como esta serie no es convergente, no podemos
n=1 n=1
concluir que P (A"1 ) = 1; como queramos. Pero tampoco que P (A"1 ) = 0; ya
que la segunda implicacin del corolario de Borel-Cantelli exige que los A"n sean
independientes, y aqu esto no es cierto. Sin embargo notar que 8u > 0; todas
c:t:p:
las Xn = 0 a partir de n > u1 . Luego Xn ! 0: Veamos la convergencia en
media cuadrtica.
1 1
= l{m n2 P (U < ) = l{m n2 = l{m n = 1
n!1 n n!1 n n!1
Luego no se cumple la convergencia en media cuadrtica.
13
5 Conservacin por Funciones continuas
Tanto la convergencia punto a punto, en casi todo punto como en probabilidad
se conservan a travs de las funciones continuas.O sea:
Si g : R2 ! R es continua, valen:
Xn ! X; Yn ! Y =) g(Xn ; Yn ) ! g(X; Y )
c:t:p c:t:p c:t:p (17)
Xn ! X; Yn ! Y =) g(Xn ; Yn ) ! g(X; Y )
p p p
Xn ! X; Yn ! Y =) g(Xn ; Yn ) ! g(X; Y )
Dem: (solo para convergencia c.t.p.)
Sea
X = f! : Xn (!) ! X(!)g con P ( X ) = 1
Y = f! : Yn (!) ! Y (!)g con P ( Y ) = 1
como
0 P ( X \ Y )c = P ( cX [ cY ) P ( cX ) + P ( cY ) = 0
Luego resulta tambin que P ( X \ Y ) = 1. Pero si ! 2 X \ Y ;es punto de
convergencia de Xn (!) y de Yn (!);y al ser g continua, ser punto de convergencia
tambin de g(Xn ; Yn ). O sea,
! 2 f! : g(Xn ; Yn ) ! g(X; Y )g
X \ Y f! : g(Xn ; Yn ) ! g(X; Y )g
y tomando probabilidad
1 = P( X \ Y ) P f! : g(Xn ; Yn ) ! g(X; Y )g 1
p p
Y si Xn ! X; Yn ! Y valdrn tambin:
p
Xn + Yn ! X + Y
p
Xn Yn ! XY
p
Xn =Yn ! X=Y (si P (Y = 0) = 0)
14
Notar que este teorema de conservacin no vale para la convergencia en
distribucin, o sea
d d d
Xn ! X; Yn ! Y ; g(Xn ; Yn ) ! g(X; Y )
1
P
n
Sea X n = n Xi ; y la nueva sucesin X 1 ; X 2 ; X 3 ; :::; X n ; : : : Luego si:
i=1
p
l{m V ar(X n ) = 0 =) Xn E(X n ) !0
n!1
Dem:
6.1.1 Comentarios
2 2
Notar que si las i estn acotadas, o sea si 8i; i K
1 2 2 1
V ar(X n ) = ( 1 + :: + n) nK = K=n ! 0
n2 n2
luego vale la ley dbil.
Sean X1 ; X2 ; X3 ; :; Xn ; observaciones i.i.d de una v.a. X con media ;
y desvo : Como E(X n ) = y V ar(X n ) = 2 =n ! 0. Resulta que
p
Xn !0
o sea
p
Xn !
Notar que esto justica el tomar el promedio de observaciones independi-
entes de una v.a. X; como una estimacin de su media :
15
Supngase un experiento aleatorio ", y un espacio de probabilidad ( ; A; P ):Sea
A ; un suceso del cual queremos estimar P (A): Ahora se repite en
forma independiente el experimento ", registrando cada vez el valor de la
v.a.
1 si ! i 2 A
Xi = IA (! i ) =
0 si ! i 2
=A
luego
Luego
p
fr A ! P (A)
1
P
n __ __ __ __
Sea X n = n Xi ; y la nueva sucesin X 1 ; X 2 ; X 3 ; :::; X n : : : ; :Luego si:
i=1
1
X
2 2 c:t:p
i =i <1 =) Xn E(X n ) !0
i=1
6.2.1 Comentarios
2 2
Notar que si las i estn acotadas, o sea 8i; i K;
1
X 1
X 1
X
2 2
i =i K 2 =i2 K2 1=i2 < 1
i=1 i=1 i=1
16
Se mencionar la Ley fuerte de Kolmogorov. Sea la sucesin de v.a
P
n
iid X1 ; X2 ; X3 ; :::; Xn ; :::con E(Xi ) = . Sea X n = n1 Xi ;y la nueva
i=1
sucesin X 1 ; X 2 ; X 3 ; :::; X n ; :Luego :
c:t:p:
Xn !
Notar que este teorema agrega la exigencia que las variables esten idn-
ticamente distribudas,con media comn , pero que no requiere la
existencia de 2 :
Luego s:
p
Xn ! X =) E(Xn ) ! E(X)
p
7.0.2 Ejemplo Xn ! X ; E(Xn ) ! E(X)
1 1
Sea X1 ; X2 ; : : : ; Xn ; : : :con P (Xn = 0) = 1 n y P (Xn = n) = n. Probar que
p
Xn ! 0 pero E(Xn ) 9 E(X) = 0:Como:
1 p
8" > 0; l{m P (jXn 0j < ") = l{m (1 ) = 1 luego Xn ! 0
n!1 n!1 n
pero:
1 1
8n; E(Xn ) = 0(1 ) + n = 1 luego E(Xn ) ! 1 6= 0 = E(X)
n n n!1
17
convergencia estudiados, la aproximacin de P (Xn 5 a) por P (X 5 a)
ser vlida para las cuatro convergencias, solo con la restriccin que FX (x)
sea continua en a:
Aproximar E(Xn ) por E(X) ?
Vimos que si se cumplen las hiptesis del Teorema de Convergencia Dom-
inada la aproximacin de E(Xn ) por E(X) s ser posible.
si Z es otra v.a. en el mismo espacio, aproximar Xn ;Z por X;Z ?
p p
Dado que Xn ;Z = [E(Xn Z) E(Xn )E(Z)] = E(Xn2 ) E 2 (Xn ) 2 aqu
Z
nuevamente necesitaremos el Teorema de Convergencia Dominada, para
asegurar el cumplimiento de:
p p p
E(Xn Z) ! E(XZ); E(Xn ) ! E(X); E(Xn2 ) ! E(X 2 )
2 2
y desde ya, suponiendo que X 6= 0; y Z 6= 0:
9 Problemas
9.0.3 Problema 1
Supongase que la concentracin de una substancia en un producto
medicinal es una variable aleatoria C v N ( c ; c ); en p.p.m.(partes
por milln).Y que para determinar esta concentracin se utiliza un
instrumento, que tiene un error aleatorio E v N (0; e ):Para atenuar
el efecto del error del instrumento, se propone efectuar n determi-
naciones de concentracin y promediarlas. Dado que en cada deter-
minacin el valor que proporciona el instrumento es Xi = C + Ei ;
el promedio de n determinaciones ser
__ (C + E1 ) + (C + E2 ) + (C + E3 ) + :::: + (C + En )
Xn =
n
E1 + E2 + E3 + :::En
= C+
n
Se quiere estudiar la posible convergencia de
X 1 ; X 2 ; X 3 ; :::::; X n ; : : : ! C
Notar que en trminos prcticos, esto justicara la propuesta de
efectuar n determinaciones y promediarlas, ya que esto atenua el
efecto del error del instrumento. Podemos tomar como experimento
aleatorio a
" : "tomar un producto y determinar la concentracin una innidad de veces"
y el espacio muestral en que estn denidas todas estas variables
aleatorias a:
= f! : ! = (c; e1 ; e2 ; e3 ; :::::; en ; :::::); c = "concentracin"; ei = "errores"g
18
(a) Convergencia punto a punto
Luego __ p
P (A"c
n ) = P( X n C ") = 2 ( " n= e)
O sea:
1
X 1
X p
P (A"c
n )= 2 ( " n= e)
n=1 n=1
19
(d) Convergencia en media cuadrtica
__
Tengo que analizar l{m E( X n C)2 = l{m E( E1 +E2 +E n
3 +:::En 2
) =
n!1 n!1 h 2
i
l{m E 2 ( E1 +E2 +E
n
3 +:::En
) + V ar( E1 +E2 +E
n
3 +:::En
) = l{m 0 + n
e
=0
n!1 __ n!1
mc
Luego X n ! C:
__
1
P
n
y la sucesin de E n = n Ei como
i=1
__ 2 __
e p
V ar( E n ) = ! 0 vale la Ley dbil y E n ! 0
n n!1
1
X 1
X
2 2 2
Adems como e =i = e 1=i2 < 1 vale tambin la Ley fuerte y
i=1 i=1
__
c:t:p:
En !0
20
9.0.4 Problema 2
Sean X1 ; X2 ; :::; Xn ; :: v.a. i.i.d. U (0; ): Se denen:
X(1)n = m{n(X1 ; X2 ; ::; Xn ); X(n)n = max(X1 ; X2 ; ::; Xn )
Un = nX(1)n ; Vn = n( X(n)n )
Probar que:
p
(a) X(1)n ! 0
p
(b) X(n)n !
d
(c) Un ! U; con U v G(1; 1 )
d
(d) Vn ! V; con V v G(1; 1 )
En lo que sigue se usar lo siguiente:
FX(1)n (x) = P (X(1)n x) = 1 P (X(1)n > x)
= 1 P [(X1 > x) \ (X2 > x) \ \ (Xn > x)]
Q
n
x n n
=1 P (Xi > x) = 1 =1 1 x
i=1
FX(n)n (x) = P (X(n)n x) = P [(X1 x) \ (X2 x) \ \ (Xn x)]
Q
n
= P (Xi x) = ( x )n
i=1
Sol(a):
8" > 0; l{m P ( X(1)n 0 < ") = l{m P (X(1)n < ")
n!1 n!1
" n
= l{m FX(1)n (") = l{m 1 1 =1
n!1 n!1
Sol(b):
8" > 0; l{m P ( X(n)n < ") = l{m P ( (X(n)n ) < ")
n!1 n!1
= l{m P (X(n)n > ") = 1 l{m P (X(n)n ")
n!1 n!1
" n " n
= 1 l{m FX(n)n ( ") = 1 l{m ( ) =1 l{m (1 ) =1
n!1 n!1 n!1
Sol(c):
u
Analicemos FUn (u) = P (Un u) = P (nX(1)n u) = P (X(1)n n)
n n
= FX(1)n ( nu ) = 11 u
n =1 1 u=n
h n i u
u=
l{m FUn (u) = l{m 1 1 n =1 e
n!1 n!1
u
pero si FU (u) = 1 e resulta U ~G(1; 1 ); luego resulta la tesis.
Sol(d):
v
Analicemos FVn (v) = P (Vn v) = P (n( X(n)n ) v) = P (X(n)n n)
n
v v v=
=1 FX(1)n ( n) =1 (1 n )n = 1 1 n
h ni v
v=
luego l{m FVn (v) = l{m 1 1 n =1 e
n!1 n!1
resulta V v G(1; 1 ); luego resulta la tesis.
v
pero si FV (v) = 1 e
21
9.0.5 Problema 3
Sean X1 ; X2 ; :::; Xn ; :: v.a. i.i.d. U (0; ): Hallar el lmite en c.t.p. de
n
Y 1
Yn = ( Xi ) n
i=1
Sol: expresando
1
P
n
n ln Xi
Yn = e i=1
y
1
X 1
X
2 2 2
i =i = 1=i2 < 1
i=1 i=1
1
P
n c:t:p:
por la Ley Fuerte resulta n ln Xi ! ln 1; y por el Teorema
i=1
de Conservacin. de Convergencia para funciones continuas
1
P
n
n ln Xi c:t:p:
Yn = e i=1 ! eln 1
= e 1
22