Inferencia estadística Primer cuatrimestre de 2020 U.N.

P RÁCTICO 1 - A
C ONVERGENCIAS .

Ejercicio 1. Desigualdad básica de Tchebychev.

Sea X una variable aleatoria no negativa (X ≥ 0). Entonces ∀ λ > 0,
1
P(X ≥ λ) ≤ E(X).
λ
a) Pruebe esta desigualdad usando la variable aleatoria auxiliar Y = λI[X≥λ] , que cumple E(Y ) ≤ E(X),
al ser 0 ≤ Y ≤ X.
b) Pruebe las siguientes consecuencias
(i) Desigualdad clásica de Tchebychev
Sea X integrable (con E(X) < ∞), entonces

Var(X)
P(|X − E(X)| ≥ λ) ≤ , ∀ λ > 0.
λ2
(ii) Desigualdad de Markov
Sea X una variable aleatoria cualquiera. Entonces ∀t > 0,

E(|X|t )
P(|X| ≥ λ) ≤ ∀ λ > 0.
λt
c) Defina convergencia en probabilidad de una sucesión de variables aleatorias.

Ejercicio 2. Pruebe la ley débil de Tchebychev

Sean X1 , X2 , . . . variables aleatorias independientes 2 a 2 con varianzas finitas y uniformemente acotadas
( ie: existe c finito tal que ∀ n, Var(Xn ) ≤ c). Entonces X1 , X2 , . . . satisfacen la ley débil de los grandes
números
Sn − ESn P
→ 0.
n
Hint Utilice la desigualdad clásica de Tchebychev.

Ejercicio 3. Sea {Xn }∞

n=1 una sucesión de variables aleatorias independientes idénticamente distribuídas
X12 +···+Xn2
con distribución Poisson de parámetro λ. Sea Yn = n , halle limn→∞ Yn en probabilidad. Hint Use la
ley débil de los grandes números.

Ejercicio 4. Sea {Xn }∞

n=1 una sucesión de variables aleatorias. Pruebe que si limn→∞ E(Xn ) = α y limn→∞
Var(Xn ) = 0 entonces limn→∞ Xn = α en probabilidad. Hint Aplique la desigualdad de Markov.

Ejercicio 5. Sean X1 , . . . , Xn variables aleatorias independientes, X1 = 0 y para j ≥ 2


1
 j3
 − j ≤ k < 0, 0 < k ≤ j
2
P(X j = k) = 1 − j2 k=0 .

0 en otra parte


∑nj=1 X j
Pruebe que limn→∞ nα = 0 en probabilidad, si α > 12 . Hint Aplique la desigualdad de Tchebychev.

Ejercicio 6. Sean X1 , . . . variables aleatorias independientes, idénticamente distribuídas con media cero y
varianza no nula σ2 y sea Sn = X1 + · · · + Xn . Demuestre que si X1 tiene tercer momento finito, entonces
E(Sn3 ) = nE(X13 ) y ocurre que
Inferencia estadística Primer cuatrimestre de 2020 U.N.C

 3
Sn
lim E √ = 0,
n→∞ σ n
el cual es el tercer momento de la distribución normal estandarizada. Hint: Use la expresión
 
m
m
(X1 + · · · + Xn ) = ∑ X1i1 . . . Xnin .
i +···+i =n
i 1 . . . in
1 n

Ejercicio 7. Sea X1 , . . . , Xn y sea Sn como en el ejercicio anterior. Demuestre que si X1 tiene cuarto momento
finito, entonces
 4
Sn
E(Sn4 ) = nE(X1 )4 + 3n(n − 1)σ4 lim E √ = 3,
n→∞ σ n
el cual es el cuarto momento de la distribución normal estandarizada.

Ejercicio 8. Sean A1 , A2 . . . eventos aleatorios en (Ω, A , P), definimos la variable indicadora del conjunto
A j como 
1 si ω ∈ A j
IA j (ω) =
0 si ω ∈ / Aj
Entonces pruebe que limn→∞ P(An ) = 0 sii limn→∞ IAn = 0 en probabilidad.

Ejercicio 9. Sea {Xn }∞ 1/4 ) =

n=1 una sucesión de variables aleatorias independientes tales que P(Xn = n
P(Xn = −n1/4 ) = P(Xn = 0) = 31 . Sea
X1 + · · · + Xn
Yn =
n
Halle limn→∞ Yn en probabilidad.

Ejercicio 10. Sea {Xn }∞

n=1 una sucesión de variables aleatorias independientes con distribución U[0, θ]. Se
desconoce el valor de θ y se desea "estimarlo" por medio de una función de las variables aleatorias.

i) Pruebe que los estimadores X(n) = max{X1 , . . . , Xn } y Tn = 2 ∑nj=1 X j /n tienden a θ en probabilidad.

ii) Pruebe que X(n) = max{X1 , . . . , Xn } tiende a θ en casi todo punto.

iii) ¿que se puede decir de la sucesión E(X(n) )?

n=1 una sucesión de variables aleatorias independientes con distribución E (λ).

Ejercicio 11. Sea {Xn }∞

i) Pruebe que el estimador m(n) = min{X1 , . . . , Xn } converge a 0 en probabilidad.

ii) Pruebe que m(n) = min{X1 , . . . , Xn } converge a 0 en casi todo punto.

iii) ¿Converge la sucesión P(m(n) ≤ tE(m(n) )? En caso afirmativo, ¿ a qué límite?

Ejercicio 12. En un cuadrado de lado 1 hay una figura de la cual se desea conocer el área. Para ello se toma
una sucesión de puntos aleatorios en dicho cuadrado, y se toma la sucesión αn definida como

1 si el punto cae en la figura
αn =
0 si el punto cae fuera de la figura

¿como se puede utilizar esta sucesión para conocer el área de la figura?

Inferencia estadística Primer cuatrimestre de 2020 U.N.C

Ejercicio 13. Método de Monte Carlo Sea f : [0.T ] → R una función no negativa, continua y acotada por
una constante a. Se desea estimar Z T
I= f (x)dx
0

Consideremos la sucesión de vectores aleatorios independientes (Xk ,Yk ) en R2 con distribución uniforme
en el rectángulo [0, T ] × [0, a]. Definamos
N
aT
Zk = I{Yk ≤ f (Xk )} , k ∈ N IN = ∑ Zk
N k=1

i) Hallar el valor esperado y la varianza de IN

ii) Pruebe que IN → I para casi todo punto.

p
iii) Se busca acotar el error |IN − I|. Dado δ > 0, indicar como elegir N para que V (IN − I) < δ.

Ejercicio 14. Sea {Xn }∞n=1 una sucesión de variables aleatorias independientes e idénticamente distribuídas
con X j ∼ U[0, 1]. Halle el límite para casi todo punto de la media geométrica
!1
n n

∏ Xk
k=1

Ejercicio 15. Pruebe que si {Xn }∞

n=1 es una sucesión de variables aleatorias independientes e idénticamente
distribuídas con E(Xi ) = 1 = Var(Xi ) ∀ i ∈ N entonces

∑n Xi 1
lim q i=1 = √ pp.
n→∞ 2
n ∑ni=1 Xi2

Ejercicio 16. Sea 0 < θ < 1/2. Si {Xn }∞

n=1 es una sucesión de variables aleatorias independientes tales que
P(Xn = nθ ) = 1/2 = P(Xn = −nθ ), entonces

1 n
∑ Xk → 0 para casi todo punto
n k=1

Ejercicio 17. Sea {Xn }∞ n=1 una sucesión de variables aleatorias independientes tales que Xk ∼ B(nk , p)
donde 0 < p < 1, p fijo.

i) ¿Cuál es la distribución de Sn = ∑nk=1 Xk ?.

√
ii) Sea nk ≤ k, muestre que la sucesión satisface la ley fuerte.

Ejercicio 18. Sean X1 , . . . independientes con distribución común N(0, 1). Encuentre el límite para casi
todo punto de
X12 + · · · + Xn2
.
(X1 − 1)2 + · · · + (Xn − 1)2