Está en la página 1de 2

De la convergencia en distribuci

on a la convergencia uniforme
referencia :Teora de la medida de Guillermo Grabinsky
El presente trabajo nos da ejemplos y tipos de convergencia para dar condiciones necesarias que
demuestren la convergencia uniforme de cierto tipo de funciones , suponiendo la convergencia en distri-
bucion , la cual consiste de la convergencia en medida pero usando una medida finita de probabilidad
o funci
on de probabilidad.

En teora de la medidad existe el teorema de Riesz -Weyl que se puede tomar como reciproco
de los siguientes resultados, el cual afirma lo siguiente:

Teorema.Sea (X,S,) un espacio de medida y (fn ) una sucesi on de funciones Cauchy medibles ,
i.e., > 0 lm ({x X : |fm (x) fn (x)|) }) = 0 , entonces existe f : X R medible y una
m,n
subsucesi
on (fnk ) de (fn ) tal que (fnk )converge casi dondequiera ,i.e , existe N elemento de una sigma
algebra tal que (N ) = 0 y se cumple que fn (x) f (x) si x X N .
`

En la primera secci
on del trabajo se enuncia los principales teoremas y definiciones los cuales son
demostrados, hasta la secci
on 3, primero comienzo con las siguientes definiciones:

DefinicionUna medida de probabilidad se dice que es una medida Borel de probabilidad sobre R
si su dominio consta de borelianos. una medida de probabilidad Borel sobre R la correspondiente fun-
ci on acumulada F : R [0, 1] y la funci
on de distribuci on cu
antil son definidas como Q : (0, 1) : R
son definidas por:

F (v) = (, v] y Q (p) = inf {v R : F (v) p}


El soporte de es el conjunto:sop() = {v R : (v , v + ) > 0}

Teorema 1.1Sea una medida de probabilidad Borel sobre R y (n ) n=1 una sucesi
on de medidas
de probabilidad Borel sobre R que converge a en distribuci
on es decir:
Z Z
lm dn = d Cb (R). Mas aun supongamos que sop() es acotado y conexo y
n R R
sop(n ) on (Qn )
sop()n N.Entonces la sucesi n=1 ) converge uniformemente a Q( ), donde
lm sup[0,1] |Qn (p) Q (p)| = 0.
n
Demostraci on: Sea Cb (R) como sop(n ) y sop() son segmentos de R es una funci on conti-
nua con soporte compacto por lo que puedo aproximarla por medio de funciones escal on o funciones
constantes por un teorema de aproximaci on las cuales son funciones simples, i.e, constantes y medi-
bles. Como caso particular tomamos = 1 identicamente igual a la funci on identidad,
R y definimos los
elementos de la sigma-algebra (borelianos)de la siguiente manera como Ei = di , de la definici on
de limite supremo tenemos limsupxp F = Q (p) por lo que empleando la siguiente desigualdad a
las diferencias (Ei ) = |Qn (p) Q (p)| :lmn sup(En ) (lmn sup(En )) concluimos que
lmn sup[0,1] |Qn (p) Q (p)| = 0(Pendiente)

Las siguiente definici


on construye una clase de convergencia intermedia entre convergencia en dis-
tribuci
on y convergencia uniforme, que es la convergencia asintotica:

on:Sea (d(n))
Definici n=1 un sucesi umeros enteros positivos tendiendo a y sea
on de n
(n) (n
= (1 , ..., d(n) ))
n=1 una sucesi
on de colecciones de numeros reales.Sea (, F, P ) un espacio de
probabilidad y X : R une funci on F-medible, variable aleatoria. La sucesi on se dice ser
asint on Cc (R se cum-
oticamente distribuida en (X, P ) espacio de probabilidad, si, para toda funci
ple que :

1
Pd(n) (n) R
lmn d(n) j=1 (j ) =
XdP

1
Adem` on F-medible X : R denotamos por
as dado un espacio de probabilidad (, F, P ) y una funci
R(X), FX y QX al rango esencial de X , la funci on de distribuci
on acumulada y la funci
on cu
antil
asociada a X respectivamente:

R(X) := {V R : P (X 1 (v , v + ) > 0}

FX (v) := P (X 1 (, v]) y QX (p) = inf v R : FX (v) p Teniendo las anteriores definiciones po-
demos enunciar el siguiente resultado:

Teorema 1.2Sea una sucesi on de colecciones de numeros reales que es aintotic


amente distribuida
e (X, P ).Supongamos que R(X) es conexo y acotado y adem as supongamos que n N, los n umeros
(n) (n)
1 ,...,d(n) R(X) y estan ordenados de la siguiente manera :
(n) (n) (n)
1 2 ... d(n)

Entonces:
max sup (n)
lmn 1jd(n) j1 j
j d(n)
|j Q (u)| = 0
d(n)

En particular:
max (n) j
lmn 1jd(n) |j Q ( d(n) )| = 0