LEY DE LOS GRANDES NÚMEROS

En teoría de probabilidad, existe un resultado matemático de suma importancia, llamado la Ley de los Grandes Números, que dice lo siguiente: Si X1, X2, X3, X4, ..., Xn, son observaciones de realizaciones repetidas de una variable aleatoria X, y n es un número grande, entonces (# veces que X cae en x)/n es aproximadamente igual a f(x) para x=0,1,2,3,4,5, ... Aquí, ³grande'' en términos prácticos es del orden de 25-30 para muchas situaciones. La cantidad (# veces que X cae en x)/n recibe el nombre de frecuencia relativa, y la denotaremos por

Al conteo # veces que X cae en x lo denotaremos con el símbolo o (la letra o es por frecuencia ``observada''). Nota que para que se cumpla la Ley de los Grandes Números, no importa que sepamos o no cuál es f(x). Nota que la frecuencia relativa es una cantidad aleatoria que tiene las siguientes propiedades:

1.

para cualquier x=0,1,2,3,4,5, ...

Por ejemplo. LA LEY DÉBIL DE LOS GRANDES NÚMEROS. incrementa con el número de eventos en la serie. La frase "ley de los grandes números" es también usada ocasionalmente para referirse al principio de que la probabilidad de que cualquier evento posible (incluso uno improbable) ocurra al menos una vez en una serie.2. la probabilidad de que un individuo gane la lotería es bastante baja. sin embargo.. la probabilidad de que alguien gane la lotería es bastante alta. el teorema central del límite extiende nuestro entendimiento de la convergencia de su promedio describiendo la distribución de diferencias estandarizadas entre la suma de variables aleatorias y el valor esperado de esta suma: sin importar la distribución subyacente de las variables aleatorias. suponiendo que suficientes personas comprasen boletos de lotería. Cuando las variables aleatorias tienen una varianza finita. X3. X2. . esta diferencia estandarizada converge a una variable aleatoria normal estándar. entonces el . es una sucesión infinita de variables aleatorias independientes que tienen el mismo valor esperado promedio y varianza 2 .. Las leyes de los grandes números explican por qué el promedio de una muestra al azar de una población de gran tamaño tenderá a estar cerca de la media de la población completa. Establece si X1.

En otras palabras. El Teorema de Bernoulli es un caso particular de la Ley de los grandes números. su probabilidad p de ocurrencia.. X3.. para cualquier número positivo se tiene LA LEY FUERTE DE LOS GRANDES NÚMEROS. la probabilidad de que la frecuencia relativa f/n discrepe de p en más de (en valor absoluto) tiende a cero al tender n a infinito.converge en probabilidad a . Sea f el número de veces que se presenta A en los n ensayos y un número positivo cualquiera. que precisa la aproximación frecuencial de un suceso a la probabilidad p de que este ocurra a medida que se va repitiendo el experimento. el promedio de las variables aleatorias converge a (en un conjunto de probabilidad 1). X2. Dados un suceso A. casi seguramente Esta ley justifica la interpretación intuitiva de que el valor esperado de una variable aleatoria como el "promedio a largo plazo al hacer un muestreo repetitivo". entonces y tienen el Es decir. y n pruebas independientes para determinar la ocurrencia o no-ocurrencia de A. . es una sucesión infinita de variables aleatorias independientes e idénticamente distribuidas que cumplen E(|Xi|) < ’ valor esperado . Establece que si X1. Es decir: .

Y p( x. podemos encontrar probabilidad marginal de la variable aleatoria Y sumando sobre todos los posibles valores de la variable aleatoria Y: p Y (y) ! § x p ( x. ! semejante al caso unidimensional.Si disponemos de dos variables aleatorias podemos definir distribuciones bidimensionales de forma discreto tendremos ! ! x. y) ! 1. x y Podemos encontrar la probabilidad marginal de la variable aleatoria X sumando sobre todos los posibles valores de la variable aleatoria Y: p X (x) ! § y p ( x. y ) Igualmente. Para el caso p(x. Con: §§ p( x. y ) y FUNCION DE PROBABIIDAD CONDICIONAL La función de probabilidad condicional de X dado Y = y es p(x|y) ! p(x. y) P(X y) . y ) u 0.y) pY (y) . y) Podemos encontrar la probabilidad marginal de la variable aleatoria X sumando sobre todos los posibles valores de la variable aleatoria Y: ¡ p (x)   § p ( x.

Y la función de probabilidad condicional de Y dado X = x es: p(y|x) ! p(x. La densidad de probabilidad f(x. y ) ! f ( x. y ) x 2 F ( x.y) se obtiene derivando la función de probabilidad con respecto a sus argumentos x 2 F ( x. Ye La definición para dos variables aleatorias continuas es semejante: y). y )dxdy ! 1  g g . g g ´ ´ f ( x. y ) u 0.y) p X (x) F(x. y ) ! xyxx xxxy por supuesto: f ( x.y) = P(X e x.

Sign up to vote on this title
UsefulNot useful