Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Alvaro Naupay G.
19 de junio de 2017
Indice general
Prefacio iii
1. Teora de la Medida 1
1.1. Espacio de Probabilidad . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Distribuciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3. Variables Aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . 16
Bibliografa 29
Indice alfabetico 30
ii Indice general
Prefacio
(i) Si A F entonces Ac F, y
Demostracion:
(i) Sea B \ A = B Ac la diferencia de dos conjuntos. Usando ] para
denotar la union disjunta, B = A ] (B \ A) luego
(B) = (A) + (B \ A) (A) .
Lema 1.1.3.
Si S es una semialgebra, entonces
C
Dado una funcion conjunto sobre S, podemos extender esta a S con
n
X
(]ni=1 Ai ) = (Ai )
i=1
Con una medidad sobre una algebra A, nos referimos a una funcion conjunto
con
(i) (A) () = 0 para todo A A, y
(ii) si Ai A son disjuntos y union esta en A, entonces
X
(
i=1 Ai ) = (Ai )
i=1
TEOREMA 1.1.4.
Sea S una semialgebra y sea definido sobre S teniendo () = 0.
Suponga (i) si S PS es una union disjunta finita de conjuntos Si S
entoncesP(S) = i (Si ), y (ii) si Si , S S con S = ]i1 Si entonces
(S) i1 (Si ). Entonces tiene una unica extension que es
una medida sobre S el algebar generada por S. Si es sigma-finito
entonces existe una unica extension que es una medida sobre (S).
En (ii) del teorema anterior, y en lo que sigue, i 1 indica una union conta-
ble, mientras que solo los subndices i o j indica una union finita. La prueba
del Teorema 1.4 es dada en la Seccion A.1. Para verificar la condicion (ii) del
teorema anterior, el siguiente resultado es util.
6 CAP. 1: TEORIA DE LA MEDIDA
Lema 1.1.5.
Suponga solo que (i) se cumple.
i Bi = F1 ] ]
A = A (i Bi ) = (A F1 ) ] ] (A Fn )
Demostracion del Teorema 1.1.2. Sea S la semialgebra de intervalos semi
abiertos ]a, b] con a < b . Definir sobre S, comenzamos por
observar que
y ((a, b]) = F (b) F (a) tiene sentido para todos los azb ya que
F () > y F () < .
Si ]a, b] = ]ni=1 ]ai , bi ] entonces despues de reetiquetar los intervalos debe-
mos tener a1 = a, bn = b, y ai = bi1 para 2 i n, as que la condicion
(i) en el Teorema 1.1.4 se cumple. Para comprobar (ii), suponga primero que
< a < b < , y ]a, b] i1 ]ai , bi ] donde (sin perdida de generalidad)
< ai < bi < . Tomando > 0 de modo que F (a + ) < F (a) + y tomar
i a fin de que
F (bi + i ) < F (bi ) + 2i
SEC. 1.1: ESPACIO DE PROBABILIDAD 7
Medida sobre Rd
0 2/3 1
0 0 2/3
0 0 0
Razonando de manera analoga mostrar que ({1, 0}) = ({0, 1}) = 2/3.
Para formular la tercera y ultima condicion para F definimos una medida,
haciendo
A =]a1 , b2 ] ]ad , bd ]
V = {a1 , b1 } {ad , bd }
donde < ai < bi < . Destacar que los s no son permitidos, llama-
remos A un rectangulo finito. Por tanto V = los vertices del rectangulo A. Si
v V , pongamos
sgn(v) = (1)#de as en v
X
4A F = sgn(vF (v))
vV
TEOREMA 1.1.6.
Suponer que F : Rd [0, 1] satisfce (i)-(iii) dados anteriormente.
Entonces existe una unica medida de probabilidad sobre (Rd , Rd )
de modo tal que (A) = 4A F para todos los rectangulos finitos.
SEC. 1.1: ESPACIO DE PROBABILIDAD 9
Es facil de ver que para una division normal (A) = k (Bk ). (Primero consi-
P
dere el caso en que los puntos finales son finitos, y luego tomar lmites para
llegar al caso general). Extender este resultado a la subdivision finita general
A = ]j Aj , subdividir aun mas para conseguir una normal, ver Figura 1.2.
La prueba de (ii) es caso identica a la del Teorema (1.1.2). Para hacer las
cosas mas faciles de escribir y llevar a cabo las analogas con el Teorema
(1.1.2), dejamos que
para x, y, Rd . Suponer primero que < a < b < , donde las desigual-
dades significan que cada componente es finito, y suponer ]a, b] i1 ]ai , bi ],
10 CAP. 1: TEORIA DE LA MEDIDA
donde (sin perdida de generalidad) < ai < bi < . Sea 1 = (1, . . . , 1),
elegir un > 0 de modo que
(]a + 1, b]) < (]a, b]) +
y escoger i de manera que
(]a, bi + i 1]) < (]ai , bi ]) + 2i .
Los rectangulos abiertos ]ai , bi + i 1[ cubren [a + 1, b], por lo que hay un
subcubrimiento finito ]j , j [, 1 j J. Ya que ]a + 1, b] Jj=1 ]j , j ], (b)
en el Lema 1.1.5 implica que
J
X
X
j j
([a + 1, b]) (] , ]) (]ai , bi + i 1]) .
j=1 i=1
1.2. Distribuciones
1 A
1A () =
0
/A
X X
(i Ai ) = P(X i Ai ) = P(i {X Ai }) = P(X Ai ) = (Ai )
i i
TEOREMA 1.2.1.
Cualquier funcion de distribucion F tiene las siguientes propiedades:
(i) F es no decreciente.
TEOREMA 1.2.2.
Si F satisface (i), (ii) y (iii) en el teorema 1.2.1, entonces este es la
funcion de distribucion de alguna variable aleatoria.
{ : X() x} = { : F (x)} ()
EJEMPLO 1.2.1 Distribucion Uniforme sobre ]0, 1[. f (x) = 1 para x ]0, 1[ y
0 en otro caso. Funcion de distribucion:
0 x0
F (x) = x 0x1
1 x>1
C
EJEMPLO 1.2.2 Distribucion exponencial con razon . f (x) = ex para
x 0 y 0 en otro caso. Funcion de distribucion:
0 x0
F (x) = x
1e x0
C
EJEMPLO 1.2.3 Distribucion normal estandar.
f (x) = (2)1/2 exp(x2 /2)
C
En este caso, no hay una expresion en forma cerrada para F (x), pero tenemos
los siguientes lmites que son utiles para valores grandes de x:
TEOREMA 1.2.3.
Para x > 0,
Z x
1 3
(x 2
x ) exp(x /2) exp(y 2 /2)dy x1 exp(x2 /2)
Una funcion de distribucion sobre R se dice que es continua absoluta-
mente si este tiene una densidad y singular si la medida correspondiente es
singular w.r.t. Lebesgue medible. Ver Seccion A.4 para mas de estas nociones.
Un ejemplo de una distribucion singular es:
SEC. 1.2: DISTRIBUCIONES 15
Ejercicios
1.2.1 Suponga que X e Y son variables aleatorias sobre (.F, P ) y sea A F.
Mostrar que si hacemos Z() = X() para A y Z() = Y () para
AC , entonces Z es una variable aleatoria.
1.2.2 Sea con la distribucion normal estandar. Usar el Teorema 1.2.3 para
obtener cotas superior e inferior sobre P ( 4).
1.2.3 Mostrar que la funcion de distribucion tiene a lo mucho una cantidad
contable de discontinuidades.
1.2.4 Mostrar que si F (x) = P (X x) es continua entonces Y = F (X) tiene
distribucion uniforme sobre (0, 1), esto es, si y [0, 1], P (Y y) = y.
16 CAP. 1: TEORIA DE LA MEDIDA
TEOREMA 1.3.1.
Si { : X() A} F para todo A A y A genera S (i.e., S es el
menor -algebra que contiene A), entonces X es medible.
{X i Bi } = i {X Bi }
{X B C } = {X B}C
2.1. Independencia
La teora de de la medida finaliza y empieza la probabilidad con la defi-
nicion de independencia. Comenzamos con lo que esperamos sea una defini-
cion familiar y trabajamos nuestro camino a una definicion que es apropiado
para nuestra configuracion actual.
Dos eventos A y B son independientes si P[A B] = P[A]P[B].
Dos variables aleatorias X e Y son independientes si para todo C, D R,
Lema 2.1.1.
Sin perdida de generalidad podemos suponer que cada Ai contiene
a . En este caso la condicion es equivalente a
n
Y
P[ni=1 Ai ] = P[Ai ] siempre que Ai Ai
i=1
TEOREMA 2.1.3.
Suponer que A1 , A2 , . . . , An son independientes y cada Ai es un
sistema. Entonces (A1 ), (A2 ), . . . , (An ) son independientes.
20 CAP. 2: LEY DE LOS GRANDES NUMEROS
TEOREMA 2.1.4.
Con el fin de que X1 , . . . , Xn sean independientes, es suficiente que
para cada x1 , . . . , xn ] , ]
n
Y
P(X x1 , . . . , Xn xn ) = P(Xi xi )
i=1
Si f (x) puede ser escrito como g1 (x1 ) gn (xn ) donde los gm 0 son me-
dibles, entonces X1 , X2 , . . . , Xn son independientes. Notar que los gm no se
supone que son las densidades de probabilidad.
TEOREMA 2.1.5.
Suponer que Fi,j , 1 i n, 1 j m(i) son independientes y sean
Gi = (i Fi,j ). Entonces G1 , . . . , Gn son independientes.
TEOREMA 2.1.6.
Si para 1 i n, 1 j m(i), Xi,j son independientes y
fi : Rm(i) R son independientes, entonces fi (Xi,1 , . . . , Xi,m(i) ) son
independientes.
TEOREMA 2.1.8.
Suponser que X e Y son independientes y tiene distribucion y .
Si h : R2 R es una funcion medible con h 0 o E|h(X, Y )| < ,
entonces ZZ
Eh(X, Y ) = h(x, y)(dx)(dy) .
TEOREMA 2.2.1.
Sean X1 , . . . , Xn tienen E(Xi2 ) < y sean correlacionados. Entonces
Lema 2.2.2.
Si p > 0 y E|Zn |p 0 entonces Zn 0 en probabilidad.
n
X n n n!
fn (x) = xm (1 x)nm f (m/n) donde =
m=0
m m m1(n m)!
Lema 2.2.5.
1
Xn,1 , . . . , Xn,n son independientes y P (Xn,j = 1) = .
nj+1
2.2.3. Truncamiento
TEOREMA 2.2.6 (Ley debil para arreglos triangulares.).
Para cada n sean Xn,k , 1 k n, independientes. Sea bn > 0 con
bn , y sea Xn,k = Xn,k 1(|Xn,k |bn ) . Suponer que cuando n
Pn
(i) k=1 P (|Xn,k | > bn ) 0, y
Pn
(ii) b2
n
2
k=1 E Xn,k 0.
Pn
Si dejamos que Sn = Xn,1 + + Xn,n y poner an = k=1 E Xn,k ,
entonces
(Sn an )/bn 0 en probabilidad
Lema 2.2.8.
R
Si Y 0 y p > 0 entonces E(Y p ) = 0 py p1 P (Y > y)dy.
TEOREMA 2.2.9.
Sean X1 , X2 , . . . i.i.d. con E|Xi | < . Sea Sn = X1 + + Xn y sea
= EX1 . Entonces Sn /n en probabilidad.
P (An i.o.) = 0 .
TEOREMA 2.3.2.
Xn X en probabilidad si y solo si para cada subsucesion Xn(m)
existe una subsucesion mas Xn(mk ) que converge casi seguramente a
X.
SEC. 2.3: LEMAS DE BOREL-CANTELLI 25
TEOREMA 2.3.3.
Sea yn una sucesion de elementos de un espacio topologico. Si cada
subsucesion yn(m) tiene ademas subsucesion yn(mk ) que converge a y,
entonces yn y.
Luego P(
n=M An ) = 1 para todo M , y como n=M An lm sup An se sigue
que P(lm sup An ) = 1. Una aplicacion tpica del segundo lema de
Borel-Cantelli es:
SEC. 2.3: LEMAS DE BOREL-CANTELLI 27
TEOREMA 2.3.7.
Si X1 , X2 , . . . son i.i.d. con E|Xi | = , entonces P(|Xn | n i.o.) = 1.
Luego si Sn = X1 + +Xn entonces P(lm Sn /nexiste ], [) = 0.
[5] E.L. Lima, Analisis Real, Vol.2, Coleccion Matematica Universitaria, IM-
PA, 2004.
Indice alfabetico
Algebra
generado por, 3
Conjunto
de Borel, 3
Medida
de Lebesgue, 4
Semialgebra, 4
sigma
finito, 5
30