Tarea 3 Mat 263

Profesor: Claudio Henriquez T.

Fecha entrega: (en principio) jueves 13 de julio de 2017

Pregunta 1 (Ley de los eventos Raros)

Decimos que Z distribuye Poisson con parametro de media 0 Si su funcion de densidad (o cuanta) es P rZ ks k e {k!
y lo denotamos X P pq. Recordemos ademas que X es bernoulli con probabilidad de exito p ssi su funcion de densidad es
P rX xs px p1 pq1x con x 0, 1 y lo denotamos X Berppq

1) Verifique que si Z P pq ErZs y V rZs y que Z ptq EreitZ s expppeit 1qq

2) Verifique que si X Berppq entonces ErXs p, V rXs pp1 pq, X ptq 1 ` ppeit 1q
Consideremos un arreglo triangular de variables aleatorias tXn,k , n P N, k 1...nu independiendtes Bernoulli, es decir Xn,k
N

Berppn,k q. y considere Sn Xn,k .
k1

m

3) Verifique que Sn ptq n ptq p1 ` pn,k peit 1qq
k1

El siguiente teorema, bajo las definiciones anteriores, es llamado la ley de los eventos raros ya que las probabilidades involucradas
tienden a 0 y por lo tanto obtener exito, es considerado un evento inusual para largos valores de n o informalmente 2 raros2 . El
teorema dice lo siguiente y las condiciones del teorema estan en el espritu de las condiciones de Lindeberg-Feller.

Teorema 1 (Ley de los eventos Raros). Consideremos variables aleatorias tXn,k , n P N, k 1...nu independientes, donde
N

Xn,k Berppn,k q con Sn Xn,k . Supongamos que
k1
n
i) n k1 pn,k 0

ii) max pn,k 0

1kn

Entonces Sn d Z P pq

4) Para demostrar el teorema demuestre los siguientes proposiciones:

a) z1 , ...zn , w1 , ...wn P C, con |zk | c, |wk | c, k 1...n. Entonces
n
n
n

| zn wn | cn1 |zk ck |
k1 k1 k1

Hint: Induccion.

b) z P C con |z| 1, entonces |ez p1 ` zq| |z|2

5) La idea a continuacion es comparar las funciones caracteristicas de la poisson y bernoulli calculadas en los dos primeros
m

items. Para ello, argumente porque es suficiente demostrar que | exppn peit 1qq p1 ` pn,k peit 1qq| 0. Finalmente,
k1
pruebe lo anterior, Considerando el item anterior y las proposiciones del item anterior apropiadamente.
Pregunta 2 (Arreglos triangulares y Necesidad de las 3 series 2.0)
En la siguiente pregunta, demostraremos una variante del teorema de Lindeberg-Feller para arreglos triangulares, similar a
lo hecho en la pregunta 1. El teorema dice lo siguiente:
Teorema 2 (Lindeberg-Feller para arreglos triangulares). Consideremos variables aleatorias tXn,k , n P N, k 1...nu indepen-
dientes con ErXn,k s 0, @n P N, k 1..n. Ademas suponga que:
n

i) n2 2
ErXn,k s 2
k1

n

2
ii) @ 0, lm ErXn,k 1|Xn,k | s 0
n8
k1
n
Entonces Sn k1 Xn,k converge en distribucion a S N p0, 2 q

1) Para demostrar el teorema, Considere n,k ptq EreitXn,k s, y utilice un argumento parecido en la demstracion de LF
original para demostrar que:
1
|n,k ptq p1 t2 ErXn,k
2
s| t3 ErXn,k
2
1|Xn,k | s ` 2t2 ErXn,k
2
1|Xn,k | s
2
n
1
Y de aqui concluya que lm sup |n,k ptq p1 t2 ErXn,k
2
s| 0.
n8
k1
2

2) Utilice (a) del item 4) de la pregunta anterior para concluir que

n n
1
| n,k ptq p1 t2 ErXn,k
2
sq| 0
k1 k1
2
n
y use el lema de Chung visto en clases para concluir que k1 p1 12 t2 ErXn,k
2
sq| 0 expp 12 t2 2 q. Concluya justifica-
damente.

utilicemos este teorema para otra demostracion de la necesidad de las tres series de Kolmogorov. Recordemos lo que dice:

Teorema 3. Sea tXn , n P Nu una sucesion independiente de variables aleatorias. Entonces para que nPN Xn converja casi
seguramente, es suficiente y necesario que exista c 0 tal que:

piq P r|Xn | cs 8, piiq V rXn 1t|Xn |cu s 8, piiiq ErXn 1t|Xn |cu s converja
nPN nPN nPN

Una primera prueba de la necesidad fue demostrada en la tarea 2. Para una segunda demostracion utilizando LF para arreglos
triangulares llamemos Yn Xn 1t|Xn |cu y procedamos por contradiccion.

3) Suponga que se cumple i) y no se cumple iii), llamemos c2n nPN V rYn s. Demuestre que

n
Yk ErYk s d
Sn Z N p0, 1q
k1
cn

Yk ErYk s
. (Hint: Considere Xn,k cn .
1
4) Argumente por que si definimos Tn Yn , entonces Tn converge a la medida de dirac concentrada en 0 (Es decir
cn nPN
Tn d 0).
5) Pruebe que si Sn d Z y Tn d 0, entonces Sn Tn d Z. Utilice esto ultimo y los items anteriores para encontrar la
contradiccion. De lo anterior pruebe ii).

2
Pregunta 3) (Martingalas: Lo basico)
Recordemos la definicion de esperanza condicional: Si X es variable aleatoria en p, F, P q espacio de probabilidad y G F,
sub--algebra, entonces definimos ErX|Gs una funcion G medible, como la esperanza condicional de X, tal que satisface:

ErX|GsdP XdP, @A P G
A A

De la cual existen muchas propiedades muy interesantes que fueron vistas en clases (Y tambien se puede ver en el capitulo
10 del Resnick).
Las Martingalas Se definen a partir de esperanzas condicionales y sucesiones de sub algebras crecientes. En efecto, una
sucesion de sub algebras tFn , n P Nu crecientes (Fp Fq , para p q) es llamada usualmente filtracion. La definicion entonces
de martingalas es la siguiente:
Definicion 1. Una secuencia tXn , n P Nu de variables aleatorias es una martingala con respecto a la filtracion tFn , n P Nu si
cumple F oralln 0:
i) Er|Xn |s 8, ii)pXn q F\ , iii) ErXn`1 |Fn s Xn

Como observacion, la condicion ii) es llamada usualmente condicion de adaptabilidad. Ademas si en iii) se le cambia por o
, La sucesion es llamada supermartingala o submartingala respectivamente. Usualmente por relajar notacion se suele decir
que Xn es (sub,super) martingala con respecto a Fn
En los siguientes ejercicios vamos a ver algunos ejemplos basicos de martingalas:

1) Consideremos una moneda insesgada (Igual probabilidad de cara o sello) y una variable aleatoria Zk tal que es 1 si en el k
n
esimo lanzamiento es cara y 0 si sale sello. Definamos Xn i1 Zk y supongamos que cada lanzamiento es independiente
y que X0 0, F0 tH, u. Muestre que Xn es una martingala con respecto a la filtracion Fn pZ1 , ...Zn q.

2) Si Xn Es una martingala con respecto a Fn y definimos Xn pX1 , ..Xn q, entonces Xn es martingala con respecto a Xn .
3) Sea X una variable aleatoria y tFn , n P Nu una filtracion, entonces ErX|Fn s es martingala con respecto a Fn
4) Si Xn Es una martingala con respecto a Fn y m n entonces ErXm |Fn s Xn . Extienda ese resultado para sub y
supermartingalas.

5) Si Xn es una martingala con respecto a Fn y f es convexa tal que E|f pXn q| 8 para todo n, entonces f pXn q es
submartingala. Si ahora Xn es una submartingala con respecto a Fn y f es ahora creciente y convexa, entonces entonces
f pXn q es submartingala.
6) Pruebe que toda martingala posee esperanza constante en n. Como cambia el resultado cuando se extiende a sub y
supermartingalas?