Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probabilidad II
Clave
50920415
Octubre de 2011
En esta unidad veremos las propiedades asintóticas que se ocupan en las sucesiones de
variables aleatorias para la aplicación en inferencia estadística. Revisaremos la
convergencia de variables aleatorias y la convergencia en distribución, proponiendo
ejemplos y ejercicios prácticos para contribuir con tu aprendizaje.
Propósitos
Al finalizar la unidad:
Identificarás una función que contiene valores complejos para clasificarla como
una función característica mediante la aplicación de métodos analíticos.
Competencia específica
Se considera una sucesión de variables aleatorias al conjunto {Xn}= {X1, X2, X3,… Xn}
donde cada X corresponde a una variable aleatoria y puede tener una convergencia con
una distribución de probabilidad.
Convergencia en probabilidad
Convergencia casi segura
Convergencia en media cuadrática
Convergencia en distribución o en ley (que se estudiara más adelante)
Convergencia puntual
Si manejamos X1, X2…. Una sucesión infinita de variables aleatorias, si evaluamos cada
una de las variables en un elemento , se determina la siguiente sucesión numérica X1( ),
X2( ),……. Si esta sucesión converge a un cierto número real representado por X( ). Se
puede mencionar que la condición se cumple para todos los elementos de , entonces la
sucesión de variables aleatorias converge y su límite se representa por medio de la
siguiente función.
Xn( )
1
Grafica de la variable aleatoria Xn( ) = .
Para cada , la sucesión numérica Xn( ) converge a 0, mientras que para =1, y para
cualquier valor de n, Xn( )= 1, por esto la sucesión converge puntualmente a la variable aleatoria.
Si tomamos el ejemplo anterior tomando como espacio de probabilidad ([0,1] [0,1], P),
tomando a P como la medida de probabilidad de un intervalo es su longitud. Esto se
representa, mediante la siguiente gráfica.
[ ]
1/n 1
Grafica de la variable aleatoria [ ]
Convergencia en probabilidad
Para cualquier
Esto nos quiere decir que cada vez que Xn tome valores distintos a c, a medida que n, el
tamaño de la muestra aumente.
Ejemplo 1:
En este caso
este tipo de convergencia establece que tanto los elementos de la sucesión como el limite
son variables aleatorias con un segundo momento finito, el cual se le denomina
convergencia en L2 y se representa por medio de la siguiente expresión.
en conclusión podemos mencionar que la convergencia de L2, para cada número entero
k≥1,cumple con la condición
Si Consideramos un espacio de probabilidad (S, 2x, P). Sea {Xn} una sucesión de
eventos. Definimos el límite superior de esta sucesión como
De acuerdo a lo anterior podemos entender el Lema de Borel-Cantelli como: Sea {Xn} una
sucesión de eventos en un espacio de probabilidad (S,2x, P). Luego si
∑ , entonces P (Xn i,o) = 0
Por ejemplo podemos considerar el experimento que consiste en tirar una moneda n
veces. Dicho experimento lo diseñaremos en base a (S,2x, P) teniendo como espacio S=
{0, 1}n, con la σ-álgebra y la medida de probabilidad P que tiene probabilidad de ½ (sol o
águila) a cada valor 0 o 1 independientemente de otros resultados
Para estudiar la ley débil y fuerte de los grandes números, veremos primeramente la
relación existente que existe entre ellos.
Una vez comprendido lo anterior, tenemos que una sucesión de variables aleatorias {Xn}
pertenece a ley débil de los grandes números, si de acuerdo a una sucesión de
constantes {Cn} la variable en donde µn es el promedio o el valor
medio de las n variables de la sucesión y se comprueba que
Cumple con
Interpretándose que para un valor alto de n no deben existir diferencias entre ambos
( .
Para adentrarte más en estos temas te presento los teoremas fundamentales dentro de la
ley débil de los grandes números.
Teoremas de Chebyshev
Sea X una variable aleatoria con media μ y desviación estándar σ. Entonces, para
cualquier número positivo k, la probabilidad de que un valor de X se encuentre en el
intervalo [μ –kσ, μ + kσ] es al menos 1−1/k1/k2, es decir.
Ejemplo:
Solución
a)
Por tanto:
Por lo tanto
Teorema de Khintchine
Teorema de Bernouilli
(| | )
Ahora tenemos que una sucesión de variables aleatorias {Xn} pertenece a ley fuerte de
los grandes números, si teniendo dos sucesiones de constantes {an} y {bn} se crea una
nueva variable denotada por
en donde
Teorema de Kolmogorov
Teorema de Glivenko-Cantelli
Propósito
CONVERGENCIA
EN
DISTRIBUCIÓN
CONVERGENCIA
DE CONVERGENCIA EN
CONVERGENCIA PROBABILIDAD MEDIA CUADRATICA
CASI SEGURA
Se dice que una sucesión de variables aleatorias {Xn} converge en distribución o en ley, a
una variable aleatoria X cuando se cumple
Para toda función se efectúa
Para todo real
Para todo par de puntos a y b siempre que b>a
θ_X (ω/b)
La variable aleatoria X puede tener los sig-1 y 1, cada una con probabilidad 1/2.
Encuentre la función característica
( ) ( ) ( ) ( )
Definimos .
El teorema nos dice que si existe un grupo numeroso de variables, que siguen una misma
tendencia o distribución, al sumarlas obtendremos una distribución gausiana o
comúnmente llamada distribución normal.
Por ejemplo: Se obtiene una muestra de alumnos que estudian en la ESAD y cuyo
promedio de calificación es de 8.4 con una desviación estándar de 0.9, de una población
cuyo promedio es de 8.6, determinar:
Solución.
Actividad 2. Calificaciones
Propósito
Al finalizar la actividad serás capaz de Utilizar el teorema del límite central en un caso
práctico que representa actividades de la vida diaria.
3.3.2. Simulación
Entonces podemos entender que el estado de un sistema estará definido por las
variables que se requieren para el propósito del estudio.
En ambos casos es importante identificar las variables endógenas y exógenas, para poder
determinar el sistema de simulación a realizar.
Autoevaluación
N = 25’000,000
Propósito
Autorreflexiones
Cierre de la unidad
Durante la unidad analizamos la forma en que una variable aleatoria puede cambiar de
acuerdo al tipo de convergencia que se le aplique, además vimos como se establece n las
convergencias y su relación entre ellas y lo importante que son los teoremas para la
resolución de un problema.
Así pues te invito a que siguas estudiando y seguir con esta carrera, en el quinto
cuatrimestre revisaremos asignaturas que no se relacionan con la probabilidad pero de la
misma importancia para tu desarrollo profesional.
http://ocw.uv.es/ciencias-sociales-y-juridicas/estadistica/2t13a.pdf
También se sugiero revisar el siguiente Link donde encontraras información acerca del
teorema del límite central y la ley de los grandes números además de algunos temas que
ya revisaste a lo largo de la asignatura:
http://www.uam.es/personal_pdi/ciencias/ezuazua/informweb/trabajosdehistoria/salinero_p
robabilidad.pdf