Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
TEORÍA ASINTÓTICA
Jorge Eduardo Ortiz Triviño
Profesor Asociado
Departamento de Ingeniería de Sistemas e Industrial
Universidad Nacional de Colombia
jeortizt@unal.edu.co
Teorema 1—1
X i i 1
i n
Si es una muestra aleatoria de la población f X que tiene media y varianza
2 1 n
y sea X n X i Entonces x
E X n y x2 Var X n 1 2
n
n i 1
Demostración:
(Caso particular del teorema 1.1)
NOTAS:
1
1. Se suele denotar por: Z n
P
C.
si Limn¥ FZn t Fz t
NOTAS:
1. Z n ~ FZ · y Z ~ FZ ·
n
Si Z n
D
Z de manera que Z ~ F t continua. Entonces
Sup Fn t - F t
n ¥
0
t
NOTA:
1. Para una demostración ver Parzen (1960).
2
Teorema 1—3
1. Si Z n
P
C entonces g Z n
P
g c
2. Si Z n
D
Z entonces g Z n
D
g Z
Suponga que Z n
D
Z y Yn
P
C una constante finita. Entonces:
1. Z n Yn
D
Z C.
2. Z nYn
D
CZ y si C 0 entonces Z nYn
D
0
3. Zn D Z
para C 0
Yn C
E g x
Sea X ~ f X x y g · una función no negativa. Entonces P g x k
k
Demostración:
1. E g x g x f x dx
x
3
x: g
g x f x dx
x k
x
k f x x dx
x: g x k
kP g x k
NOTAS:
1. E (Z 2 )
Es claro que P( Z C ) .
C2
2. E ( g ( x))
Es fácil ver que: P( g ( x) k ) 1
k
Teorema 1—6
EZ n c
2
1.
P( Z n C )
2
3. E Z n E Z n E Z n C Var Z n
2
EZn c 0
2
4. Zn
P
C
4
Teorema 1—7: Ley débil de los grandes números
X2
tamaño n y y dos constantes tales que 0 y 0 1 y si n Entonces
2
P X n X 1
Demostración:
Usando la desigualdad de Chebyshev con: g X X n X
2
y k 2 Entonces:
E X n X
2
P X n X P X n X P X n X
2 2
1
2
1 2
E X n Xn
2
X 2
1 1 2
n
1 En consecuencia, X2 y, equivalentemente,
2 n
X2
n .
2
NOTA:
1. P Z n 1
Z n estimación de
Máximo error permitido.
Significancia.
1 Confianza.
¿Qué es n?
Ejemplo 1—1
X desconocido.
X2 = 1
¿Cuál debe ser el valor de n de forma que la probabilidad sea al menos 0.95 y el error no
supere 0.5?
5
Solución
2 1
n 80
0, 05 0.5
2 2
Sea f X () , una densidad con media X y varianza X2 . Sea también X n la media
X n E X n X n X
Z n como Z n Entonces Zn
D
n 0,1 t .
Var X n X
n
Demostración:
1 2
Función generadora de momentos de una variable aleatoria normal estándar mZ t e
t
2
y
demostración consiste en verificar que con forme el valor de n aumenta se tiene que
mZn t
D
mZ t .
Operación Justificación
generadora de momentos
aplicados a la variable Z n .
6
Definición de promedio y
t n X
E exp i X
propiedad de la sumatoria.
n i 1 X
n
Propiedad de la función
n t X
E exp i X
exponencial
i 1 n X
n
producto de variables
aleatorias independientes es el
particulares). Adicionalmente
n
t X i X
E exp Yi Definiendo Yi .
i 1 n X
n
t Definición de función
mYi
i 1 n generadora de momentos para
Yi
n
t Todas las variable Yi tienen
mY
i 1 n
exactamente la misma función
generadora de momentos.
7
t
n Productoria de una constante
mY
n se convierte en potencia.
n Expansión en series de Taylor
t 1 2 t 1 3 t
2 3
1 1 2! 2 3! 3
X n X n X n t
de la función mY .
n
11
n Factorizando y recordando que
1 1
1 t 2 33 t 3 44 t 4
n2 3! n X 4!n X 1 0 y 2 X2 .
n
1 2
t Es fácil verificar que el
e 2
n
a
lím 1 ea
n
n
mZ t Función generadora de
normal.
NOTAS
2. 1
Significa que X n n , .
n
a) El tamaño de la muestra n .
b) De la densidad f X () .