Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Variables Aleatorias
′ ′
Definición 2.0.1. Sean (Ω, F) y (Ω , F ) espacios medibles. Una función
′
f : Ω −→ Ω se dice F − F ′ medible si
′
f −1 (A′ ) = {w ∈ Ω/f (w) ∈ A } ∈ F
′ ′
para cada A ∈ F .
′ ′
Definición 2.0.2. Si (Ω, F, P ) es un espacio de probabilidad y (Ω , F ) es
′
un espacio medible, entonces una función X : Ω −→ Ω se llama elemento
aleatorio, si X es una función F − F ′ .
′ ′
Definición 2.0.3. Sean (Ω, F, P ) un espacio de probabilidad, (Ω , F ) un
′
espacio medible y la función X : Ω −→ Ω un elemento aleatorio, si Ω′ = R
y F ′ = B(R), X se llama una variable aleatoria (v.a.).
La definición anterior implica que X es una v.a. si y solamente si la imagen
inversa de cualquier conjunto boreliano es un elemento de la σ-álgebra del
espacio de probabilidad. Esta condición se conoce como ”medibilidad” en
teorı́a de la medida, y se dice entonces que dicha función es medible respecto
de las σ-álgebras F y B(R).
Observación 2.0.1. X : Ω −→ R debe ser medible, puesto que P es una
medida de probabilidad definida sobre el espacio medible (Ω, F).
Observación 2.0.2. En general, las variables aleatorias se denotan por le-
tras mayúsculas como X, Y, Z, W, etc., mientras que los valores que toman
las v.a. se denotan con letras minúsculas; ası́, para la v.a. X se tienen los
valores x1 , x2 , ...
1
2 CAPÍTULO 2. VARIABLES ALEATORIAS
Solución:
En efecto, para x ∈ R, se tiene que:
∅ ∈ B(R) si x < 0
−1
IA (−∞, x) = {ω ∈ R|IA (ω) < x} = A ∈ B(R) si 0 ≤ x < 1
c
R ∈ B(R) si x ≥ 1
Observación 2.0.4. Dado que la σ-álgebra de borel puede ser generada por
las clases ζ = {(a, b) : a < b; a, b ∈ R}, ζ = {(a, b] : a ≤ b; a, b ∈ R},
ζ = {(−∞, b) : b ∈ R}, ζ = {(a, +∞) : a ∈ R}, etc, entonces se conclu-
ye que X es una v.a. si y solamente si ocurre alguna de las condiciones:
X −1 [(−∞, x]] = {ω|X(ω) ≤ x} ∈ F o X −1 [(−∞, x)] = {ω|X(ω) < x} ∈ F
o X −1 [(x, +∞]] = {ω|X(ω) ≥ x} ∈ F o X −1 {x} = {ω|X(ω) = x} =
{ω|X(ω) ≤ x} ∩ {ω|X(ω) ≥ x} ∈ F, etc.
2.0.1. Propiedades
A continuación estudiamos las principales propiedades de las variables alea-
torias, asimismo se definen algunas operaciones entre v.a.
/ B entonces, X −1 (B) = ∅ ∈ F
• Si c ∈
• Si c ∈ B entonces, X −1 (B) = Ω ∈ F,
Y −1 (−∞, x] = {ω : Y (ω) ≤ x}
= {ω : |X(ω)| ≤ x}
{
∅ si x < 0
=
{ω : −x ≤ X(ω) ≤ x} si x ≥ 0
{
∅∈F
=
X −1 [−x, x] ∈ F .
3. Sea Y (ω) = 1
X(ω)
entonces, para x ∈ R
Y −1 (−∞, x] = {ω : Y (ω) ≤ x}
{ }
1
= ω: ≤x
X(ω)
−1 1
X [ x , 0] ∈ F si x ≥ 0
= X −1 (−∞, 0) ∈ F si x = 0
−1
X (−∞, 0) ∪ X −1 [ x1 , 0] ∈ F si x > 0
y
1
W = máx{X, Y } = [(X + Y ) − |X − Y |],
2
usando las propiedades anteriores.
Ejemplo 2.0.7. Sea X : Ω → R una v.a. real sobre (Ω, B(R), P ), entonces
se sigue del ejemplo anterior o de las propiedades de las variables aleatorias
que la parte positiva de X, definida por X + (ω) = máx{X(ω), 0}, es una
v.a., de igual forma también se sigue que la parte negativa de X, X − (ω) =
máx{−X(ω), 0}, es una v.a.
Ejemplo 2.0.8. Suponga que Ω = [0, 4] y F = B([0, 4])
{
ω + 3 si 0 ≤ ω < 2
X(ω) =
ω si 2 ≤ ω ≤ 4
y
ω + 1 si 0 ≤ ω ≤ 1
Y (ω) = 1 si 1 < ω < 25
2ω + 3 si 52 ≤ ω ≤ 4
9
Solución:
(ω + 3) + (ω + 1) si 0 ≤ ω ≤ 1
(ω + 3) + 1 si 1 < ω < 2
X(ω) + Y (ω) =
ω+1 si 2 ≤ ω < 25
ω + (2ω + 3) si 52 ≤ ω < 4
2ω + 4 si 0 ≤ ω ≤ 1
ω + 4 si 1 < ω < 2
=
ω+1 si 2 ≤ ω < 25
3(ω + 1) si 52 ≤ ω < 4.
a) Realice el gráfico de f
c) calcular P (X ≤ 21 )
Solución:
12 CAPÍTULO 2. VARIABLES ALEATORIAS
a)
b) i) como 0 < x < 1 → 0 < 2x < 2 → 0 < f (x) ≤ 2.
ii)
∫ ∞ ∫ 0 ∫ 1 ∫ ∞
f (x) dx = f (x) dx + f (x) dx + f (x) dx
−∞ −∞ 0 1
∫ 1
=0+2 x dx + 0
0
= x2 |10 = 1.
∫ 1
2 1 1
c) P (X ≤ 1
2
)2x dx = x2 |02 = .
=
0 4
Ejemplo 2.0.12. Sea X una v.a.c. con fdp
{
kx3 si 0 < x < 1
f (x) =
0 caso contrario
1) Encuentre el valor de k (llamada constante de normalización) tal que
f sea una fdp.
2) Encuentre el valor de a tal que P (X > a) = P (X < a)
3) Encuentre P (0,2 < x < 0,8)
Solución:
1) i) como f es no negativa y 0 < x < 1 entonces es obvio∫que k > 0.
∞
ii) Para que f sea una fdp se debe cumplir que f (x) dx =
∫ 1 −∞
kx3 dx = 1 → k4 x4 |10 = 1 → k4 = 1 → k = 4.
0
2)
1
P (X > a) = 1 − P (X ≤ a) = P (X ≤ a) → 2P (X ≤ a) = 1 → P (X ≤ a) =
2
∫ a
√
1 1 1 1
→ 4x3 dx = → x4 |a0 = → a4 = →a=
4
.
0 2 2 2 2
∫ 0,8
3) P (0,2 < X < 0,8) = 4x3 dx = x4 |0,8
0,2 = 0,408
0,2
2.1. FUNCIÓN DE DISTRIBUCIÓN ACUMULATIVA 13
F (X) = P [X ≤ x]
entonces,
0 si x<0
0 + 41 = 14 si 0≤x<1
F (x) =
0 + 41 + 12 = 34 si 1≤x<2
0 + 41 + 12 + 14 = 1 si x ≥ 2.
se sigue que:
∫ x
a) Si x ≤ 0 → F (x) = f (t) dt = 0
−∞
14 CAPÍTULO 2. VARIABLES ALEATORIAS
∫ x ∫ 0 ∫ x
b) Si 0 < x < 1 → F (x) = f (t) dt = f (t) dt + f (t) dt
∫ x ∫ x −∞ −∞ 0
→ f (t) dt = 2 t dt = t2 |t0 = x2
0 0
∫ x ∫ 0 ∫ 1
c) Si x ≥ 1 → F (x) = f (t) dt = f (t) dt + f (t) dt +
∫ ∞ −∞ −∞ 0
f (t) dt = 0 + 1 + 0 = 1.
1
Entonces,
0 si x ≤ 0
F (x) = x2 si 0 < x < 1
1 si x ≥ 1
Teorema 2.1.1. Sea F(x) la f.d.a de una v.a X entonces.
1) lı́m F (x) = 1.
x→∞
2) lı́m F (x) = 0.
x→−∞
3) Sea X1 ≤ X2 entonces, [X ≤ x1 ] ⊆ [X ≤ x2 ] → P (X ≤ x1 ) ≤ P (X ≤
x2 ) es decir, F (x1 ) ≤ F (x2 ).
4) Sea x < ... < xn < ... < x2 < x1 entonces, la sucesión de eventos
An = [X ≤ xn ]n∈N es tal que An → [X ≤ x] cuando n → ∞. Por
∩
∞
tanto, An = [X ≤ x]. Entonces,
n=1
Teorema 2.1.2. 1. Sea X una v.a.d con valores x1 , x2 , ..., xn tales que
x1 < x2 < x3 < ... y sea F la fda de X luego:
f (xj ) = P (X = xj ) = F (xj ) − F (xj − 1).
Definición 2.2.1. em Sea X una v.a. con fda F (x). La esperanza matemática
de X, valor esperado de X, media de la v.a. X o simplemente esperanza de
X, denotada por E(X), se define como el numero:
∫ ∞
E(X) = x dF (x), (2.1)
−∞
Ejemplo 2.2.1. Suponga que se lanza una moneda corriente dos veces y sea
X la v.a. que cuenta el número de caras obtenidas en los dos lanzamientos.
Entonces, RX = {0, 1, 2} y
∑
2
E(X) = xP (X = x)
x=0
= 0 × P (X = 0) + 1 × P (X = 1) + 2 × P (X = 2)
1 1 1
=0× +1× +2×
2 2 4
=1
Entonces
E(X) = 0 × P (x ∈
/ A) + 1 × P (x ∈ A) = P (x ∈ A) = P (A).
4. Encuentre E[X].
Solución:
D−→ 1
BD−→ 2
BBD−→ 3
BBBD−→ 4
BBBBD−→ 5
BBBBBD−→ 6
..
.
Luego P (X = 1) = 43 ; P (X = 2) = 34 ( 41 ); P (X = 3) = 43 ( 412 ); P (X =
4) = 43 ( 413 ); . . . ; P (X = n) = 34 ( 4n−1
1
); . . . y P (X = x) = 0 si x ∈
/ N.
P (X = n) = P (X = 2k)
∑∞ ( )2k−1 [ ]
3 1 3 1 1 1
= = + + + ...
4 4 4 4 43 45
k=1
[ ]
3 1 1 3 1 1
= 1 + 2 + 4 + ... = 1 = .
16 4 4 16 1 − 16 5
4.
∑ ( )n−1
3∑ 1
E[X] = xP (X = x) = ,
x∈R
4 n∈N 4
3
∑ 3
∑ ∑
Ahora, 4
an = ( 14 )n−1 = 1, entonces
4
an = a1 +a2 +a3 +. . . =
n∈N n∈N ∑ n∈N
4
3
, a2 + a3 + a4 + . . . = an − a1 = 43 − 1, a3 + a4 + a5 + . . . =
n∈N
2.2. ESPERANZA MATEMÁTICA O VALOR ESPERADO 21
∑
an − a1 − a2 = 4
3
− 1 − 14 , ..., luego
n∈N
( ) ( ) ( n ( )k−1
)
∑ 4 4 4 1 4 ∑ 1
nan = + −1 + −1− + ... + − + ...
n∈N
3 3 3 4 3 k=1 4
entonces
( )
3 4 1 1 1 1
E[X] = + + + + + ...
4 3 3 12 48 192
( ( ))
3 1 1 1 1
= 4 + 1 + + 2 + 3 + ...
4 3 4 4 4
( ( ( ) ))
3 1 ∑ 1 n−1
= 4+
4 3 n∈N
4
( )
3 4 4
= +
4 3 9
3 16
=
4 9
4
= .
3
∑ ∑
|k|P (X = x) = |x|P (X = x)
x∈Z x∈Z−{0}
∑
∞
=2 xP (X = x)
x=1
∑∞
k
=2 x
x=1
x2
22 CAPÍTULO 2. VARIABLES ALEATORIAS
∑
∞
1
= 2k
x=1
x
=∞
Entonces,
∫ ∞ ∫ 0 ∫ 1 ∫ ∞
E(X) = xf (x) dx = xf (x) dx + xf (x) dx + xf (x) dx
−∞ −∞ 0 1
∫ 1
= x(2x) dx
0
∫ 1
=2 x2 dx
0
2
= x3 |10
3
2
= .
3
entonces,
∫ ∞ ∫ 0 ∫ 1 ∫ ∞
E(X) = xf (x) dx = xf (x) dx + xf (x) dx + xf (x) dx
−∞ −∞ 0 1
∫ 1
= x(4x3 ) dx
0
∫ 1
=4 x4 dx
0
4
= x5 |10
5
4
= .
5
Entonces,
∫ ∞ ∫ −1 ∫
1 |x| 1 ∞ |x|
|x|f (x) dx = 2
dx + dx
−∞ 2 −∞ x 2 1 x2
∫ ∫
1 −1 1 1 ∞1
=− dx + dx
2 −∞ x 2 1 x
1 1
= − ln |x||−1
−∞ + ln |x||∞
1
2 2
= ∞.
Entonces,
∑∞
e−λ λx ∑ e−λ λx
∞
E(X) = x = x
x=0
x! x=1
x!
∑
∞
λx
−∞
=e
x=1
(x − 1)!
λj+1
= e−λ j = 0∞
j!
∑
∞
λj
−λ
= λe
j=0
j!
= λe−λ eλ
= λ.
Entonces,
∫ ∞ ∫ ∞
−λx
E(X) = λxe dx = λ xe−λx dx
−∞ 0
∫ ∞
1
= λ[xe−λx ]∞
0 + e−λx dx
λ
∫ ∞
0
= e−λx dx
0
1
= − e−λx |∞
0
λ
1
= .
λ
Ejemplo 2.2.11. Sea X una v.a. entonces, E[X] existe si y sólo si E[|X|]
existe.
Demostración. Note que, si E[X] existe, por la definición de esperanza E[|X|]
existe; y si E[|X|] existe, por el teorema de comparación para integrales
impropias E[X] existe; ası́ E[X] existe si y sólo si E[|X|] existe.
Ejemplo 2.2.12. Sea X una v.a., acotada, esto es, existe una constante real
a > 0 tal que P (|X| ≤ a) = 1, entonces E(X) existe.
Demostración. a) Si X es una v.a.d. que toma valores x1 , x2 , . . . , enton-
ces, como X es acotada, existe una constante real positiva tal que
{x1 , x2 , . . .} ⊂ [−a, a] por tanto, P (|X| > a) = 0. Luego,
∑ ∑
|xi |P (X = xi ) ≤ a P (X = xi ) = a < ∞.
i i
b) Sea X una v.a.c. con fdp f , como X es acotada, existe una constante
real positiva tal que para todo ∀x ∈ RX , x ∈ [−a, a]. Ası́, podemos
suponer f (x) = 0 ∀x ∈ / [−a, a], es decir, P (|X| > a) = 0. Luego,
∫ ∞ ∫ −a ∫ a ∫ ∞
|x|f (x)dx = − xf (x)dx + |x|f (x)dx + xf (x)dx
−∞ −∞ −a
∫ a ∫ a a
Proposición 2.2.1. Sea X una v.a. con fda F, y tal que E(X) existe, en-
tonces
∫ +∞ ∫ 0
E(X) = [1 − F (x)]dx + F (x)dx
0 −∞
∫ +∞ ∫ 0
= P (X > x)dx − P (X < x)dx. (2.4)
0 −∞
Es decir,
∫ +∞la esperanza existe
∫ 0si y solamente si existen y sean finitas las inte-
grales 0 P (X > x)dx y −∞ P (X < x)dx.
∫ +∞ ∫ b
xdF (x) = lı́m bF (b) − 0F (0) − lı́m F (x)dx
b→∞ b→∞ 0
0
[ ∫ b ]
= lı́m −b[1 − F (b)] + [1 − F (x)]dx .
b→∞ 0
Corolario 2.2.1. Sea X una v.a. no negativa con fda F, y tal que E(X)
existe, entonces
∫ +∞ ∫ +∞
E(X) = [1 − F (x)]dx = P (X > x)dx. (2.5)
0 0
P (X < x) = 0, ∀x < 0.
∑
k ∑
(k+1)−1
F (k) = P (X ≤ k) = p(1 − p) = p
k
(1 − p)k
i=0 i=0
1 − (1 − p) k+1
=p = 1 − (1 − p)k+1 .
1 − (1 − p)
28 CAPÍTULO 2. VARIABLES ALEATORIAS
∑
+∞ ∑
∞
E(X) = [1 − F (k)]dx = [1 − (1 − (1 − p)k+1 )]
0 k=0
∑
∞ ∑
∞
= (1 − p) k+1
= (1 − p) (1 − p)k
k=0 k=0
1 1−p
= (1 − p) = .
1 − (1 − p) p
Entonces,
{
0 si x ≤ 0
F (x) = −λx
1−e si x > 0
Proposición 2.2.2. Sea X una v.a. real y suponga que E(X) existe.
µ′n = E[xn ].
′
Teorema 2.2.1. Sı́ E[|X|r ] < ∞, r ≥ 1, entonces E[|X|r ] < ∞, con 1 ≤
r′ ≤ r.
′
Demostración. ∀x ∈ R, si 1 ≤ r′ ≤ r entonces |x|r < 1 + |x|r y por tanto,
∫ ∞ ∫ ∞
r′
|x| f (x) dx ≤ [1 + |x|r ]f (x) dx
−∞ −∞
∫ ∞
≤1+ |x|r f (x) dx < ∞.
−∞
Teorema 2.2.2. Para una v.a. X, cuyo valor esperado existe, si µn existe,
entonces
∑ n ( )
n ′
µn = µk (−µ′1 )n−k .
k=0
k
2.2. ESPERANZA MATEMÁTICA O VALOR ESPERADO 31
Demostración.
[
n ( )
]
∑ n
′ n
µn = E[(X − µ1 ) ] = E X k (−µ′1 )n−k
k=0
k
∑ (n)
n
= E(X k )(−µ′1 )n−k
k=0
k
∑n ( )
n ′
= µk (−µ′1 )n−k
k=0
k
Definición 2.2.5. Sea X una v.a. real con función de distribución asociada
F. Sea g : R → R una función medible borel tal que g(x) es una v.a., el valor
esperado de g(X) viene definido por:
{ ∑ ∑
k g(xk )P (X = xk ) si x es v.a.d. (( k |g(xk )|P (X = xk ) <)∞)
E(g(X)) = ∫∞ ∫∞
−∞
g(x)f (x) dx si x es v.a.c. −∞
|g(x)|f (x) dx < ∞
2. Sea X una v.a. y sean gi para i = 1, 2, ..., n funciones tales que gi (X)
son variables aleatorias, cuyos valores esperados
∑n existen. Entonces, para
constantes reales αi el valor esperado de E ( i=1 αi gi (X)) existe y
( n )
∑ ∑n
E αi gi (X) = αi E(gi (X)).
i=1 i=1
2. Sea X una v.a.c. con fdp f tal que gi (X) es una∫ ∞v.a. para i = 1, 2, ..., n
con esperanza finita, entonces se sigue que −∞ |gi (x)|f (x)dx < ∞.
Luego,
∫ ∞ ∑n
∫ ∞ [∑n
]
αi gi (X) f (x) dx ≤ |αi gi (x)| f (x) dx
−∞ i=1 −∞ i=1
∑n ∫ ∞
= |αi ||gi (x)|f (x) dx
i=1 −∞
∑n
= |αi |E[|gi (X)|]
i=1
< ∞.
∑n
Esto es, E [ αi gi (X)] existe, y
i=1
[ ] ∫ [ n ]
∑
n ∞ ∑
E αi gi (X) = αi gi (X) f (x) dx
i=1 −∞ i=1
∫ ∞ ∑
n
= [αi gi (X)f (x)] dx
−∞ i=1
n ∫ ∞
∑
= [αi gi (x)f (x)] dx
i=1 −∞
∑
n ∫ ∞
= αi gi (x)f (x) dx
i=1 −∞
∑
n
= αi E[gi (X)].
i=1
3. Sea X una v.a.c. con fdp f y suponga que ∀x g1 (x) ≤ g2 (x), entonces,
como ∀x, f (x) ≥ 0 se sigue que g1 (x)f (x) ≤ g2 (x)f (x). Por tanto,
∫ ∞ ∫ ∞
E[g1 (X)] = g1 (x)f (x) dx ≤ g2 (x)f (x) dx ≤ E[g2 (X)].
−∞ −∞
Corolario 2.2.2. Sea X una v.a. y g una función tal que g(X) es una
variable real. Suponga que existen constantes reales tal que ∀x, a ≤ g(x) ≤ b,
entonces a ≤ E[g(X)] ≤ b. En general, si para funciones g1 , g2 , g3 tal que ∀x,
g1 (x) ≤ g2 (x) ≤ g3 (x), se sigue que E[g1 (X)] ≤ E[g2 (X)] ≤ E[g3 (X)].
2.2. ESPERANZA MATEMÁTICA O VALOR ESPERADO 33
Teorema 2.2.4. Sea X una v.a cuyo valor esperado existe. Entonces,
Demostración.
Teorema 2.2.5. Sea X una v.a. cuyo valor esperado existe y a, b ∈ R cons-
tantes. Entonces
1. V (X) ≥ 0.
2. V (α) = 0.
3. V (aX) = a2 V (X).
4. V (X + b) = V (X).
3.
4.
Esto es,
∑
etxk P (X = xk ) si X es una v.a.d. con valores x1 , x2 , ...
MX (t) = ∫k ∞
etx f (x) dx
si X es una v.a.c. con fdp f.
−∞
Entonces,
∑
∞
λxk
MX (t) = etxk e−λ
k=0
xk !
∑
∞
(λet )xk
−λ
=e
k=0
xk !
−λ λet
=e e
−λ+λet
=e
= eλ(e −1) .
t
k=0
x
∑n ( )
n
= (pet )x (1 − p)n−x
k=0
x
= (pet + (1 − p))n
= (pet + q) donde q = 1 − p.
Ejemplo 2.2.17. Sea X una v.a.c. con fdp
{ −λx
λe si x > 0
f (x) =
0 caso contrario.
Entonces,
∫ ∞ ∫ ∞
−λx
MX (t) = tx
e λe dx = λ e−(λ−t)x dx
0 0
λ −(λ−t)x ∞
=− e |0 , para t < λ
λ−t
( )−1
λ 1 t
= = = 1− .
λ−t 1 − λt λ
2.2. ESPERANZA MATEMÁTICA O VALOR ESPERADO 37
entonces,
∂MX (t)
= eλ(e −1) λet = λeλ(e −1)+t .
t t
∂t
Ası́,
∂MX (t)
|t=0 = λeλ(e −1)+0 = λe0 = λ.
0
→ E(X) =
∂t
Ahora,
∂ 2 MX (t)
|t=0 = λeλ(e −1)+0 (λe0 + 1) = λ(λ + 1) = λ2 + λ
0
E(X 2 ) = 2
∂t
y asi,
V ar(X) = E(X 2 ) − E 2 (X) = λ2 + λ − λ2 = λ.
Teorema 2.2.7. Sean X y Y v.a cuyas funciones generadoras de momentos
existen. Si
MX (t) = MY (t), para todo t.
Entonces X y Y tienen la misma distribución
La demostración del anterior Teorema se encuentra fuera del alcance de este
libro, ası́ que en lo que sigue nos conformaremos con tomar este resultado
como cierto.
Definición 2.2.8. Sea X una v.a., la función caracterı́stica de X es la fun-
ción ∅X : R → C definida por:
Entonces,
∑
∞
λx
∅X (t) = E[eitX ] = eitx e−λ
x=0
x!
∑
∞
(λeit )x
−λ
=e
x=0
x!
= e−λ eλe
it
it −1)
= eλ(e .
Entonces,
∫ ∞ ∫ ∞
−λx
∅X (t) = itx
e λe dx = λ e−(λ−it)x dx
0 0
λ λ
=− e−(λ−it)x |∞
0 =
λ − it λ − it
( )−1
1 it
= it = 1− .
1− λ λ
Teorema 2.2.8. Sea X una v.a. real, entonces ∅X (t) existe para todo t ∈ R.
Demostración. Debemos demostrar que ∅X (t) = E[eitX ] < ∞.
∫ ∫ √
→ ||e ||f (x) dx < ∞ =
itx
cos2 (tX) + sen2 (tx)f (x) dx
∫
= (1)f (x) dx
= 1 < ∞.
40 CAPÍTULO 2. VARIABLES ALEATORIAS
1. ∅X (0) = 1.
∂ n ∅X (t)
|t=0 = in E(X n ); n = 1, 2, ... si E[|X|n ] < ∞.
∂tn
2.
3.
( n )
∂ n ∅X (t) ∂n itX ∂ itX
= n E(e ) = E e = E(in xn eitX ),
∂tn ∂t ∂tn
∂ n ∅X (t)
→ |t=0 = E(in X n ) = in E(X n ).
∂tn
Entonces,
6. Sea n ∈ N, entonces
∑
n ∑
n ∑
n ∑
n
∅X (tj − tk )zj z k = E(eix(tj −tk ) )zj z k
j=1 k=1 j=1 k=1
∑
n ∑
n
= E(zj eitj x z k e−itk x )
j=1 k=1
( n n )
∑∑
=E zj eitj x zk eitk x
j=1 k=1
( n )
∑ ∑
n
=E zj eitj x zk eitk x
j=1 k=1
2
∑n
= E zj eitj x ≥ 0.
j=1