1

SITUACIN 1.
Si
n
X X X ..., ,
2 1
es una muestra aleatoria de alguna poblacin F(x). Sea ( ) .

n
F la funcin de
Distribucin Emprica basada en la muestra aleatoria. Demuestre que para un x fijado del
dominio de ( ) . F , se cumple que:
a) ( ) { } ( ) x F x F E
n
=

b) ( ) { }
( ) ( ) | |
n
x F x F
x F V
n

=
1

c) ( ) ( ) x F x F
P
n

Solucin:
a)
n
X X X ..., ,
2 1
es una muestra aleatoria de alguna poblacin F(x), por lo tanto cada X
i
es
una variable aleatoria independiente e idnticamente distribuida con F(x). La funcin de
distribucin emprica ( )

n
F x cuando se fija un valor x est dada por:
( )
{ }
( |
( )
,
1
Nmero de elementos : 1, 2,...,
1

n
i
n i x
i
x x i n
F x I X
n n

=
s =
= =

,
Donde
( |
( )
,
1, si
0, si
i
i x
i
X x
I X
X x

s
=

>

Que indica que a cada x R e se le asigna la proporcin de valores observados que son
menores o iguales que x. Como cada trmino
( |
( )
, i x
I X

, es una variable aleatoria

Bernoulli, con probabilidad de xito p, donde p est dada por:
( |
( )
( )
( ) ( )
,
1
i i x
p P I X P X x F x

= = = s = ,
Entonces:
( )
( |
( )
( |
( )
( |
( ) { } ( )
, ,
1 1
,
1
1 1

1 1
n n
n i i x x
i i
n
i x
i
p
E F x E I X E I X
n n
E I X np F x
n n

= =

=
(
( (
= =
`
(

)


(
= = =
`


)

b) Retomando los resultados del literal a), donde cada trmino
( |
( )
, i x
I X

, es una variable
aleatoria Bernoulli, con probabilidad de xito p, entonces dado que la varianza de una
variable aleatoria con distribucin Bernoulli es p(1 - p).
Como las variables aleatorias son IID, entonces las varianza de una suma es igual a la
suma de las varianzas, pues las covarianzas son cero por lo tanto:
2
( )
( |
( )
( |
( )
( |
( ) ( ) { }
( )
( ) ( )
, , 2
1 1
, 2 2
1
(1 )
1 1

1 1
1
1
1
1
n n
n i i x x
i i
n
i x
i
p p
V F x V I X V I X
n n
V I X n p p
n n
F x F x
p p
n n

= =

( (
(
= =
( (




(
= = (
`



)
(

= =

c) ( ) ( ) x F x F
P
n

, La convergencia en probabilidad implica que:

( ) ( )
( )

lim 0
n
n
P F x F x c

> = ,
Este resultado se puede demostrar usando la ley fuerte de los grandes nmeros y
mostrar una convergencia casi segura la cual implica convergencia en probabilidad, sin
embargo se propone usar otro mtodo para demostrar este resultado, basndose en la
desigualdad de Chebyshev. La desigualdad de Chebyshev establece que:
( ) ( )
( )
2
, 0.
V X
P X E X c c
c
> s >
Entonces reemplazando por las respectivas funciones de distribucin se tiene:
( ) ( )
( )
( ) ( )
2
1

n
F x F x
P F x F x
n
c
c
(

> s
Aplicando el lmite cuando n tiende a infinito.
( ) ( )
( )
( ) ( )
( ) ( )
2
1

lim lim 0

n
n n
P
n
F x F x
P F x F x
n
F x F x
c
c

(

> s =


Este resultado establece que cuando n crece la proximidad entre la funcin de
distribucin emprica y la terica es cada vez mayor.