Sucesiones de Variables Aleatorias
|
|
- María del Carmen Alvarado Olivares
- hace 7 años
- Vistas:
Transcripción
1 Capítulo 5 Sucesiones e Variables Aleatorias 5.1. Introucción La introucción e los conceptos e meia e integral nos va a permitir consierar nuevos moos e convergencia para sucesiones e funciones. Vamos a comenzar por recorar os conceptos clásicos e convergencia. Definición 5.1 Sea, n 1 una sucesión e funciones meibles a valores reales efinias sobre el espacio e meia (Ω, F, ) y X una función real y meible, efinia sobre el mismo espacio. Decimos que la sucesión ( ) converge (puntualmente) a X si para too ω Ω se tiene que lím (ω) = X(ω), es ecir, aos ω Ω y ε > 0 existe N = N(ω, ε) N tal que Usamos la notación para enotar la convergencia puntual. n N (ω) X(ω) < ε X Definición 5.2 Sean, n 1 y X como en la efinición anterior. Decimos que la sucesión ( ) converge uniformemente a X si ao ε > 0 existe N = N(ε) N tal que, para cualquier punto ω en Ω se tiene que n N (ω) X(ω) < ε Usamos la notación para enotar la convergencia uniforme. U X Observación 5.1 La iferencia entre las os efiniciones raica en que en el primer caso N epene el punto ω en el cual estamos vieno la convergencia, mientras que en el seguno caso el mismo N sirve para toos los puntos el espacio. La seguna efinición ice que si consieramos una bana e ancho 2ε alreeor e la función X, existe un N que epene únicamente e ε tal que, si n N la función está entro e esta bana. Es claro que convergencia uniforme implica convergencia puntual pero el recíproco es falso.
2 84 CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS 5.2. Convergencia Casi Segura Definición 5.3 Sean, n 1 y X como en la efinición 5.1. Decimos que la sucesión ( ) converge casi seguramente a X si existe un conjunto nulo N F tal que, para cualquier punto ω / N se tiene que Usamos las notaciones (ω) X(ω). X o X, para enotar la convergencia casi segura. Si (Ω, F, ) es un espacio e probabilia este tipo e convergencia se conoce como convergencia con probabilia 1 y se enota c.p.1 X o X, c.p.1 Es obvio que convergencia puntual implica convergencia y el siguiente ejemplo muestra que el recíproco no es cierto. Ejemplo 5.1 Sea (Ω, F, ) el espacio e Lebesgue ([0, 1], B, λ) y (ω) = ω n, X(ω) = 0 para ω [0, 1]. Entonces (ω) 0 para ω [0, 1), es ecir, la sucesión converge a X salvo en el punto 1, e moo que el conjunto one no hay convergencia es un conjunto nulo. Proposición 5.1 Si (Ω, F, ) es un espacio completo, entonces X también es meible. X y las funciones son meibles, Demostración. Sabemos que existe un conjunto nulo (y por lo tanto meible) N tal que converge a X fuera e N, es ecir, si ω / N Para c R los conjuntos lím inf (ω) = lím (ω) = X(ω). A 1 = {ω : X(ω) > c}, A 2 = {ω : lím inf (ω) > c} no necesariamente coincien, pero cualquier punto que esté en uno y no esté en otro ebe estar en N. Aemás, sabemos que A 2 es meible porque lím inf es meible. Sea B 1 = A 1 A 2, B 2 = A 2 A 1. Ambos conjuntos son subconjuntos e N y como el espacio es completo, son conjuntos meible. Finalmente observamos que A 1 = (A 2 B 1 ) B c 2 e moo que F 1 es meible. Definición 5.4 Sea, n 1 como en la efinición 5.1. Decimos que la sucesión ( ) es e Cauchy casi seguramente si existe un conjunto nulo N F tal que, para cualquier punto ω / N la sucesión (ω) es e Cauchy. Proposición 5.2 Una sucesión e funciones meibles ( ) converge si y sólo si es e Cauchy La emostración quea como ejercicio.
3 5.3. CONVERGENCIA EN MEDIDA Convergencia en Meia Definición 5.5 Sean, n 1 y X como en la efinición 5.1. Decimos que la sucesión ( ) converge en meia a X si para cualquier ε > 0 se tiene que Usamos las notaciones lím ({ω Ω : (ω) X(ω) > ε}) = 0. X o X, en meia para enotar la convergencia en meia. Si (Ω, F, ) es un espacio e probabilia este tipo e convergencia se conoce como convergencia en probabilia y se enota P X o Xn X, en probabilia. Ese tipo e convergencia es más ébil que la convergencia casi segura, como lo muestran la siguiente la proposición y el ejemplo que le sigue. Proposición 5.3 Sean, n 1 y X como en la efinición 5.1 y supongamos que (Ω) <. Si converge a X entonces también converge en meia. Demostración. Si X entonces para cualquier ε > 0 0 = ({ X > ε} para infinitos n) = (lím sup{ X > ε}) = lím ( k n{ X k X > ε}) lím ({ X > ε}). Para ver que el recíproco no es cierto tenemos el siguiente ejemplo. Ejemplo 5.2 Sea (Ω, F, ) = ([0, 1], B, λ) el espacio e Lebesgue y efinimos la siguiente sucesión e variables aleatorias: X 1 (ω) = 1 [0,1] (ω), X 2 (ω) = 1 [0,1/2) (ω), X 3 (ω) = 1 [1/2,1] (ω) X 4 (ω) = 1 [0,1/3 (ω), X 5 (ω) = 1 [1/3,2/3) (ω), X 6 (ω) = 1 [2/3,1] (ω),.. Observamos que como las variables son funciones inicaoras e intervalos, sólo son istintas e 0 en esos intervalos, cuya longitu tiene a 0 cuano n. Esto muestra que 0 en probabilia. En cambio, para cualquier ω [0, 1] tenemos que (ω) = 1 para infinitos valores e n, y (ω) = 0 para el resto, que también son infinitos. Por lo tanto la sucesión no converge puntualmente en ningún punto. Ejemplo 5.3 Para ver que (Ω) < es una conición necesaria en el teorema anterior consieramos el siguiente ejemplo: Sea = 1 ( n,n) c, X = 0, entonces observamos que (ω) X(ω) para too ω pero para cualquier n N y cualquier ε > 0, y por lo tanto no hay convergencia en meia. ({ω : (ω) X(ω) > ε}) =
4 86 CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS Aplicaciones Estaísticas Supongamos que tenemos una familia e moelos (Ω, F, P θ ), θ Θ, y observamos una muestra aleatoria simple X 1,...,. Con base en estas observaciones queremos estimar el valor el parámetro θ, es ecir, eseamos seleccionar el moelo correcto. En esta situación lo usual es usar un estaístico ˆθ = ˆθ(X 1,..., ) para estimar el valor e θ. Este estaístico es una variable aleatoria efinia sobre el mismo espacio e probabilia. Decimos que el estimaor es ébilmente consistente si para too θ Θ, P θ ( ˆθ n θ > ε) 0, n, es ecir, si ˆθ n converge en probabilia al veraero valor e θ. El estimaor es (fuertemente) consistente si esta convergencia se a con probabilia Consecuencias e la Convergencia en Meia Aún cuano hemos visto que convergencia en meia es más ébil que convergencia, el siguiente teorema, ebio a Riesz, muestra que si tenemos convergencia en meia, siempre hay una subsucesión que converge al mismo límite. Teorema 5.1 (Riesz) Si la sucesión converge en meia a X en Ω, existe una subsucesión (k ) que converge a X. Demostración. Como la sucesión e funciones converge poemos hallar n 1 N tal que Para caa k > 1 hallamos n k > n k 1 tal que ({ω Ω : 1 (ω) X(ω) 2 1 }) < 2 1. ({ω Ω : k (ω) X(ω) 2 k }) < 2 k. Veamos que la subsucesión (k ) converge a X. Sea S k = i k{ω Ω : i (ω) X(ω) 2 i }. Observamos que S i es una sucesión ecreciente e conjuntos. Sea S = k 1 S k. Por sub-aitivia tenemos que la meia e S k está acotaa por y en consecuencia la meia e S es (S k ) 2 k + 2 k k 2 + = 2 1 k (S) = lím k (S k) = 0. Veamos que si ω Ω S entonces k (ω) X(ω). Sea ε > 0, escogemos K e moo que 2 K < ε y ω / S K. Entonces para too k K, ω / S k y en consecuencia k (ω) X(ω) < 2 k < ε.
5 5.3. CONVERGENCIA EN MEDIDA 87 Corolario 5.1 converge en meia a X si y sólo si caa subsucesión (k ) contiene una subsucesión (ki ) que converge a X Demostración. Si X y (k ) es una subsucesión, entonces k X y por el teorema anterior existe una subsucesión (ki ) que converge a X Recíprocamente, supongamos que toa subsucesión tiene una subsucesión que converge a X y supongamos que no converge a X en probabilia para obtener una contraicción. Si no converge en probabilia a X, existen una subsucesión (k ), δ > 0 y ε > 0 tales que ( k X > ε) δ. (5.1) Pero esta subsucesión (k ) ebería tener una subsucesión que converge a X y por lo tanto en probabilia. Esto contraice a (5.1). Corolario 5.2 a) Si X y g : R R es continua entonces g( ) g(x) b) Si X y g : R R es continua entonces g(xn ) g(x). Demostración. (a) Existe un conjunto nulo N B tal que si ω / N entonces (ω) X(ω) en R. Por continuia e g, si ω / N, g( (ω)) g(x(ω)), es ecir, (g( )) converge a g(x). (b) Sea (g(k )) una subsucesión e (g( )). Basta hallar una subsucesión (g(ki )) que sea convergente. Sabemos que (k ) tiene una subsucesión convergente (ki ) que converge a X. Por lo tanto g(ki ) g(x) X y existe una función me- Corolario 5.3 (e Convergencia Dominaa e Lebesgue) Si ible Y L 1 tal que Y, entonces X. Demostración. Basta emostrar que toa subsucesión convergente e converge a X. Supongamos que k converge. Por hipótesis tenemos convergencia en probabilia y en consecuencia (k ) tiene una subsucesión (ki ) que converge a X. Por el TCD tenemos que ki X En consecuencia k X. Proposición 5.4 (Propieaes) Si X y Yn Y 1. + Y n X + Y. 2. Y n XY.
6 88 CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS Demostración. (1) Observamos que { ( + Y n ) (X + Y ) > ε} { X > ε 2 } { Y n Y > ε 2 }. Tomano meias, usano subaitivia y hacieno n se obtiene el resultao. (2) Observamos que basta emostrar que para toa subsucesión (n k ) existe una subsucesión n ki tal que ki Y nki XY. Como k X, existe una subsucesión (n k ) tal que k X. Como Y n Y, aa la subsucesión (n k ), existe una subsucesión (n k i ) tal que ki X, Y n ki Y, y en consecuencia tenemos ki Y n ki XY. Por lo tanto, toa subsucesión e ( Y n ) tiene una subsucesión que converge Proposición 5.5 (Ley Débil e Granes Números) Si (, n 1) son i.i.. con E( ) = y Var( ) = σ 2, entonces 1 n P X i n i=1 Demostración. Basta usar la esiguala e Chebyshef Convergencia en L p En esta sección estuiamos un nuevo tipo e convergencia que tiene gran importancia en el análisis funcional. Recoremos que una función meible X pertenece al espacio L p si X p <. Para p 1 y X, Y L p efinimos una istancia en este espacio por p (X, Y ) = ( X Y p ) 1/p. Para ver que p es una istancia emostraremos más aelante la esiguala triangular, que se conoce como la esiguala e Minkowski. Por otro lao, es claro que p (X, Y ) = p (Y, X). Aemás si X = Y tenemos que p (X, Y ) = 0 pero el recíproco no es cierto: Si p (X, Y ) = 0 sólo poemos concluir que X = Y. Por lo tanto p sólo será una pseuo-istancia. Para tener una istancia poemos tomar la relación e equivalencia X = Y sobre el espacio L p y en lugar e consierar las funciones meibles X consieramos las clases e equivalencia X. El espacio cociente, formao por las clases e equivalencia, lo enotamos L p y p si será una istancia sobre este espacio. En lo que sigue vamos a obviar este proceimiento y hablaremos e p como una istancia sobre el espacio L p. Hay una norma que inuce esta istancia: X p = ( ( X p )) 1/p.
7 5.4. CONVERGENCIA EN L P 89 Definición 5.6 Decimos que la sucesión (, n 1) converge a X en L p si toas las variables están en L p y X p 0 cuano n. Usamos la notación L p X. Proposición 5.6 Convergencia en L p implica convergencia en meia. Demostración. Tenemos ( X ε) = = 1 { Xn X >ε} 1 { Xn X p >ε p } Xn X p ε p 1 { Xn X p >ε p } 1 ε p X p 0 cuano n. El siguiente ejemplo muestra que el recíproco no es cierto. Ejemplo 5.4 De nuevo, el espacio e meia es el espacio e probabilia e Lebesgue ([0, 1], B, λ) y efinimos Entonces pero = 2 n 1 (0, 1 n ). P ( > ε) = λ((0, 1 n )) = 1 n 0 E( p ) = 2 np 1 n. Convergencia en L p no implica convergencia, como lo muestra el ejemplo 5.2. Para cualquier p > 0, como la variable sólo toma valores 0 ó 1, el valor esperao E( p ) es igual a la longitu el intervalo corresponiente a, y esta longitu tiene a 0. Convergencia casi segura tampoco implica convergencia en L p, como lo muestra el ejemplo 5.3. Aún cuano la meia el espacio sea finita, es posible ar ejemplo e sucesiones que convergen pero no convergen en L p. Desigualaes Teorema 5.2 (Desiguala e Höler) Sea p, q números reales tales que p, q > 1 y 1 p + 1 = 1. (5.2) q Sean X L p, Y L q, entonces el proucto XY es integrable y XY ( X p ) 1/p ( Y q ) 1/q. (5.3)
8 90 CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS En términos e las normas la esiguala ice que XY 1 X p Y q. Si p y q satisfacen (5.2) ecimos que son conjugaos. Demostración. Observamos inicialmente que si X p = 0 entonces X = 0 y en consecuencia XY = 0, e moo que la esiguala es cierta. Algo similar ocurre si Y q = 0, así que poemos suponer que el lao erecho e (5.3) es estrictamente positivo. Daos a > 0, b > 0, existen s, t R tales que a = exp{s/p}, b = exp{t/q}. Como la función exponencial es convexa y p 1 + q 1 = 1 tenemos que y usano la efinición e s, t, exp{p 1 s + q 1 t} p 1 exp{s} + q 1 exp{t}, ab p 1 a p + q 1 b q. Ahora reemplazamos a por X / X p y b por Y / Y q y obtenemos Finalmente, tomano integrales, XY p 1( X ) ( p + q 1 Y ) q X p Y q X p Y q 1 X p Y q XY p 1 + q 1 = 1 Teorema 5.3 (Desiguala e Minkowski) Supongamos que X, Y L p para 1 p <. Entonces X + Y L p y X + Y p X p + Y p. Demostración. La esiguala X + Y p 2( X p Y p ) 2( X p + Y p ) L p muestra que los espacios L p, p 1 son cerraos aitivamente. So p = 1 la esiguala e Minkowski sigue e la esiguala triangular usual. Sea 1 < p < y escojamos q conjugao e p e moo que p 1 + q 1 = 1, es ecir, p 1 = p/q. Usano la esiguala e Höler, X + Y p p = X + Y p = X + Y X + Y p/q X X + Y p/q + Y X + Y p/q X p X + Y p/q q + Y p X + Y p/q q =( X p + Y p ) X + Y p/q q =( X p + Y p )( X + Y p =( X p + Y p ) X + Y p/q p =( X p + Y p ) X + Y p 1 p Si el último factor es istinto e 0, poemos iviir por él para obtener el resultao. Si es igual a 0, ambos laos e la esiguala valen 0. La esiguala anterior es la esiguala triangular para p. ) 1/q
9 5.4. CONVERGENCIA EN L P 91 Teorema 5.4 (Desiguala e Jensen) Sea (Ω, F, P ) un espacio e probabilia, g : R R una función convexa y X una variable aleatoria integrable tal que g(x) también es integrable. Entonces E(g(X)) g(e(x)). Demostración. Sea g una función convexa, sabemos que ao cualquier punto e la gráfica e g poemos hallar (al menos) una recta que es tangente a la curva en ese punto y tal que la recta siempre está por ebajo e la curva que representa a g. Esta recta (que en general no es única) se conoce como la recta e soporte e g. Sea r(x) = ax + b la recta e soporte e g en el punto (E(X), g(e(x))) sobre la gráfica e función g. Entonces ax(ω) + b g(x(ω)). Tomano esperanza obtenemos a E(X) + b E(g(X)). Pero como la recta r(x) es tangente a la función g en (E(X), g(e(x))), a E(X) + b = E(g(X)). Ejemplo 5.5 Sea (Ω, F, P ) un espacio e probabilia, X una variable aleatoria y 0 < α < β. Definimos r = β α > 1, s = β β α. Entonces Ahora ponemos Z = X α, 1 r + 1 s = α β + β α = 1. β Y = 1 usamos la esiguala e Höler: es ecir e moo que y E( ZY ) (E Z r ) 1/r (E( Y s ) 1/s, E( X α ) (E X rα ) 1/r 1 = (E X β ) α/β (E( X α )) 1/α (E X β ) 1/β X α X β. Concluimos que X L β X L α si α < β. Más aún, X α = (E( X α )) 1/α es no-ecreciente en α. L Como consecuencia tenemos que si X p L n X y r < p, X r n X. Teorema 5.5 Para p 1 el espacio L p es completo, es ecir, si ( ) es una sucesión e Cauchy en L p, existe X L p L tal que X p n X. Demostración. Dao ε > 0 sea N = N(ε) N tal que si n, m N, X m p < ε p+1. (5.4) Llamemos N k = N(ε2 k ) y supongamos que N k+1 > N k para too k. Definimos los conjuntos A(ε, m, n) = {ω : X m (ω) (ω) ε}
10 92 CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS entonces X m p A(ε,m,n) X m p ε p (A(ε, m, n)) (5.5) y combinano (5.4) y (5.5) obtenemos (A(ε, m, n)) < ε si m, n N(ε). Sea ahora A k = A(ε2 k, N k+1, N k ), B k = i k A i, tenemos (A k ) < 2 k ε, (B k ) < 2 1 k ε y si ω / B k X Ni+1 (ω) X Ni (ω) < ε2 i para i k. Por lo tanto la serie i (X N i+1 X Ni ) converge fuera e B = k 1 B k y (B) = 0. En consecuencia existe X tal que X Ni X Para un entero fijo r ponemos Y i = X Ni X r p, Y = X X r p y obtenemos una sucesión Y i e funciones meibles no-negativas con lím inf Y i = lím Y i = Y Por el lema e Fatou tenemos Y lím inf X Ni X r p < ε i si r > N(ε). En consecuencia Y es integrable, es ecir (X X r ) L p, lo cual implica que X L p. Aemás probamos que X X r p < ε si r > N(ε) e moo que X r L p X. Observación 5.2 Es importante resaltar que el resultao anterior es falso para la integral e Riemann sobre intervalos finitos. No es ifícil construir ejemplos e sucesiones e funciones cuyas potencias e oren p son integrables según Riemann, que son e Cauchy en L p pero cuyo límite es iscontinuo en un conjunto e meia positiva y por lo tanto no pueen ser integrables según Riemann. Como consecuencia el teorema anterior observamos que los espacios L p son espacios normaos que son completos respecto a la métrica inucia por la norma. Un espacio con estas propieaes se conoce como un espacio e Banach. Si p > 1 y q > 1 son conjugaos ecimos que los espacios L p y L q son conjugaos. Por la esiguala e Höler sabemos que si X L p y Y L q entones el proucto XY es integrable. Observamos que el conjugao e p = 2 es q = 2, es ecir que L 2 es su propio espacio conjugao, y aemás es el único caso en el que esto ocurre. Esto quiere ecir que si tomamos os funciones e L 2, su proucto es integrable, y por lo tanto poemos efinir un proucto interno en L 2 : Para X, Y L 2, X, Y = XY. Es fácil ver que esta efinición satisface las coniciones e un proucto interno (pasano al espacio cociente L 2 si es necesario). Aemás, la norma asociaa a este proucto interno es la norma 2, que efinimos anteriormente, ya que X, X = X 2 = X 2 2. Por lo tanto L 2 es un espacio e Banach que tiene un proucto interno que inuce la norma el espacio. Un espacio con estas propieaes se conoce como un espacio e Hilbert Convergencia en Distribución Definición 5.7 Si F es una f.. efinimos el conjunto e puntos e continuia o conjunto e continuia e F por C(F ) = {x R : F es continua en x} Un intervalo finito I con extremos a < b es un intervalo e continuia para F si a, b C(F ).
11 5.5. CONVERGENCIA EN DISTRIBUCIÓN 93 Definición 5.8 Sea (, n 1) una sucesión e v.a. con f.. F Xn, n 1. converge en istribución a la v.a. X cuano n si Notación: X o Xn w X cuano n. F Xn (x) F X (x) cuano n, x C(F X ). Observación 5.3 Como en esta efinición sólo intervienen las funciones e istribuciones, las variables no necesariamente están efinias en un mismo espacio e probabilia. Abusano la notación, escribiremos w N (0, 1) en lugar e Xn w X cuano n one X N (0, 1). Ejemplo 5.6 Sea δ 1/n, es ecir, la elta e Dirac concentraa en el punto 1/n. Si la efinición 5.8 tiene sentio eberíamos tener δ0 cuano n. Tenemos { { 0, si x < 1/n, 0, si x 0, F Xn (x) = 1, si x 1/n, 1, si x > 1/n. Por lo tanto F Xn F δ0 (x) cuano n para too x C(F δ0 ) pero no para too x. Si en cambio tuviéramos Y n δ 1/n entonces F Yn (x) = { 0, si x < 1/n, 1, si x 1/n, y en este caso si tenemos convergencia para too x. { 0, si x < 0, 1, si x 1/n. Teorema 5.6 Sean X y, n 1 v.a. Si P X entonces Xn X. Demostración. Sea ε > 0, entonces F Xn (x) = P ( x) = P ( x, X ε) + P ( x, X > ε) y por la convergencia en probabilia P (X x + ε, X ε) + P ( X > ε) P (X x + ε) + P ( X > ε), limsup F Xn (x) F X (x + ε). De manera similar, cambiano por X, x por x ε, X por y x + ε por x, sigue que liminf F (x) F X (x ε). Estas os relaciones valen para too x y too ε > 0. Suponieno ahora que x C(F X ) y hacieno ε 0 obtenemos que F X (x) = F X (x ) liminf F (x) limsup F Xn (x) F X (x).
12 94 CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS Observación 5.4 Si F X tiene un salto en x, sólo poemos concluir que F X (x ) liminf F X n (x) limsup F Xn (x) F X (x). Como F X (x) F X (x ) es el tamaño el salto no es posible obtener convergencia en un salto. Ejemplo 5.7 Sea N N (0, 1), e moo que la istribución es simétrica. Definimos = ( 1) n N para n 1, entonces = N e moo que Xn N, pero (Xn no converge ni ni en probabilia. Ejemplo 5.8 Para α > 0 sea, n 1 una sucesión e v.a.i. tales que Los siguientes resultaos son ciertos: P ( = 0) = 1 1 n α y P ( = n) = 1 n α P 0 (n ) aún sin inepenencia 0 (n ) sii α > 1 L p 0 (n ) sii α > p La convergencia en probabilia es consecuencia e: P ( > ε) = P ( = n) = 1 0 cuano n. nα La convergencia con probabilia 1 sigue el Lema e Borel-Cantelli ya que { < cuano α > 1, P ( > ε) = cuano α 1, n=1 En cuanto a la convergencia en L p E p = 0 p (1 1 n α ) + np 1 0, para p < α, n α = np α = 1, para p = α, cuano n,, para p > α. Observamos que E X p ni converge a 0 ni iverge a infinito cuano p = α, sino que es igual a 1. Teorema 5.7 Sea (, n 1) una sucesión e v.a.i. y c una constante, entonces δc (n ) P c (n ). Demostración. Supongamos que δc cuano n y sea ε > 0. Entonces P ( c > ε) = 1 P (c ε c + ε) = 1 F Xn (c + ε) + F Xn (c ε) P ( = c ε) 1 F Xn (c + ε) + F Xn (c ε) 0 cuano n, ya que F Xn (c + ε) F X (c + ε) = 1, F Xn (c ε) F X (c ε) = 0, y c ε, c + ε C(F X ).
13 5.5. CONVERGENCIA EN DISTRIBUCIÓN Caracterización e la Convergencia en Distribución Teorema 5.8 Sea {, n 1} una sucesión e v.a. y supongamos que X cuano n. Si h es una función continua a valores reales o complejos efinia en el intervalo acotao [a, b], one a, b C(F X ), entonces E h( ) E h(x) cuano n. (5.6) Demostración. El caso complejo sigue el caso real. Usaremos el lema e aproximación. Sea A C(F X ) R un subconjunto enso numerable. Si h(x) = 1 (c,] para c, A, a c < b, (5.6) se reuce a emostrar que P (c < ) P (c < X ), lo cual es cierto por hipótesis. Por linealia la conclusión vale para funciones escalera cuyos escalones tengan extremos en A. Sea ahora h [a, b], y sea g una función simple aproximante, entonces E h( ) E(h(X) E h( ) E g( ) + E g( ) E g(x) + E g(x) E h(x) E h( ) g( ) + E g( ) E g(x) + E g(x) h(x) ε + E g( ) E g(x) + ε. Como ya hemos visto que para funciones simples el término central tiene a cero cuano n obtenemos limsup E h( ) E h(x) < 2ε, lo cual emuestra el teorema. Teorema 5.9 Sea {, n 1} una sucesión e v.a. y supongamos que X cuano n. Si h es una función a valores reales o complejos, continua y acotaa, entonces E h( ) E h(x) cuano n. (5.7) Demostración. De nuevo, el caso complejo sigue el caso real. Supongamos que h M, entonces E h( ) E h(x) E h( )1 { Xn K} E h(x)1 { X K} + E h( )1 { Xn >K} + E h(x)1 { X >K} E h( )1 { Xn K} E h(x)1 { X K} + E h( ) 1 { Xn >K} + E h(x) 1 { X >K} E h( )1 { Xn K} E h(x)1 { X K} + MP > K) + MP ( X > K) Sea ε > 0 y escojamos K C(F X ) suficientemente grane como para que 2MP ( X > K) < ε. Usano el teorema 5.8 para el primer término y la convergencia en istribución para los otros os, obtenemos que limsup E h( ) E h(x) < 2MP ( X > K) < ε. Teorema 5.10 Sea {, n 1} una sucesión e v.a. Entonces X cuano n si y sólo si para toa función real continua y acotaa. E h( ) E h(x) cuano n. (5.8) Demostración. Por el teorema 5.9 basta emostrar la suficiencia. Sean a, b C(F ), < a < b <. Ponemos 0 para x < a δ k, x (a δ k ) δ k para x [a δ k, a], g k (x) = 1 para x [a, b], b+δ k x δ k para x [b, b + δ k ], 0 para x > b + δ k
14 96 CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS con δ k 0 cuano k y observamos que 1 (a,b] (x) g k (x). Supongamos que (5.8) vale. Por la monotonía e la función e istribución y el teorema 5.9 obtenemos Hacieno n F n (a, b] = b a F n (x) E g k ( ) E g k (X) cuano n. limsup F n (a, b] E g k (X) F ([a δ k, b + δ k ]). Hacieno ahora k tenemos δ k 0 y g k (x) 1 [a,b], y como a y b son puntos e continuia concluimos que limsup F n (a, b] F (a, b]. (5.9) Si, en cambio, 0 para x < a, x a δ k para x [a, a + δ k ], h k (x) = 1 para x [a + δ k, b δ k ], b x δ k para x [b δ k, b], 0 para x > b los mismos argumentos nos an y como ahora h k (x) 1 (a,b), tenemos finalmente liminf F n(a, b] F ([a + δ k, b δ k ]), liminf F n(a, b] F (a, b]. (5.10) Las ecuaciones (5.9) y (5.10) emuestran que X cuano n. Como corolario obtenemos los siguientes resultaos: Corolario 5.4 Sea {F n, n 0} una familia e funciones e istribución. Las siguientes afirmaciones son equivalentes (1) F n F0. (2) Para toa función real f acotaa y uniformemente continua, f F n f F 0, cuano n. Demostración. Basta observar que las funciones g k y h k que usamos en la emostración el teorema anterior son continuas con soporte compacto y por lo tanto son uniformemente continuas. Teorema 5.11 Sean X e Y v.a. para toa función h continua y acotaa. X = Y E h(x) = E h(y ) Teorema 5.12 Sean X y {, n 1} v.a. y supongamos que X cuano n. Entonces E X liminf E.
15 5.5. CONVERGENCIA EN DISTRIBUCIÓN 97 Demostración. Sea K C(F X ) un número positivo. Por el teorema 5.8 tenemos liminf E liminf E 1 { Xn K} = E X 1 { X K}. La conclusión sigue hacieno K tener a infinito a través e una sucesión e puntos e continuia e F X.
Sucesiones de Variables Aleatorias
Capítulo 1 Sucesiones e Variables leatorias 1.1. Introucción La introucción e los conceptos e meia e integral nos va a permitir consierar nuevos moos e convergencia para sucesiones e funciones. Vamos a
Más detallesDerivación bajo la integral
Derivación bajo la integral José Alfreo Cañizo Rincón e julio, 2004. ntroucción Estas notas contienen una presentación e los teoremas usuales e erivación bajo la integral y la regla e Leibniz. El objetivo
Más detallesA partir de la definición obtenemos las siguientes propiedades para estas funciones:
Capítulo 1 Conjuntos Supondremos conocidas las nociones básicas sobre teoría de conjuntos, tales como subconjuntos, elementos, unión, intersección, complemento, diferencia, diferencia simétrica, propiedades
Más detallesCálculo Diferencial en una variable
Tema 3 Cálculo Diferencial en una variable 3.1 Introucción Analizaremos en este Tema los conceptos funamentales acerca e las erivaas e las funciones reales e variable real. En el tema siguiente estuiaremos
Más detallesEspacio de Funciones Medibles
Capítulo 22 Espacio de Funciones Medibles Igual que la σ-álgebra de los conjuntos medibles, la familia de funciones medibles, además de contener a todas las funciones razonables (por supuesto son medibles
Más detallesEn este capítulo obtendremos los resultados básicos del cálculo diferencial para funciones reales definidas sobre R o sobre intervalos.
Capítulo 6 Derivadas 61 Introducción En este capítulo obtendremos los resultados básicos del cálculo diferencial para funciones reales definidas sobre R o sobre intervalos Definición 61 Sea I R, I, f :
Más detalles5.1. Límite de una Función en un Punto
Capítulo 5 Continuidad 51 Límite de una Función en un Punto Definición 51 Sean (X, d) y (Y, ρ) espacios métricos, D X, f : D Y una función, a X un punto de acumulación de D y b Y Decimos que b es el límite
Más detallesSucesiones y series de números reales
Capítulo 2 Sucesiones y series de números reales 2.. Sucesiones de números reales 2... Introducción Definición 2... Llamamos sucesión de números reales a una función f : N R, n f(n) = x n. Habitualmente
Más detallesDerivación de funciones de una variable real
Capítulo 4 Derivación e funciones e una variable real 4.1. Derivaa e una función 4.1.1. Introucción Definición 4.1.1. Sea f : (a, b) R R y x 0 (a, b). Se ice que la función f es erivable en el punto x
Más detalles2.5 Derivación implícita
SECCIÓN.5 Derivación implícita 4.5 Derivación implícita Distinguir entre funciones eplícitas e implícitas. Hallar la erivaa e una función por erivación implícita. E X P L O R A C I Ó N Representación gráfica
Más detallesCardinalidad. Teorema 0.3 Todo conjunto infinito contiene un subconjunto infinito numerable.
Cardinalidad Dados dos conjuntos A y B, decimos que A es equivalente a B, o que A y B tienen la misma potencia, y lo notamos A B, si existe una biyección de A en B Es fácil probar que es una relación de
Más detallessi este límite es finito, y en este caso decimos que f es integrable (impropia)
Capítulo 6 Integrales impropias menudo resulta útil poder integrar funciones que no son acotadas, e incluso integrarlas sobre recintos no acotados. En este capítulo desarrollaremos brevemente una teoría
Más detallesTopología de la Recta
Capítulo 2 Topología de la Recta 21 Introducción En este capítulo introducimos algunas nociones sobre topología de los espacios métricos Nuestro interés se limitará en el futuro al caso real o a los espacios
Más detallesCurso Propedéutico de Cálculo Sesión 2: Límites y Continuidad
y Laterales Curso Propedéutico de Cálculo Sesión 2: y Joaquín Ortega Sánchez Centro de Investigación en Matemáticas, CIMAT Guanajuato, Gto., Mexico y Esquema Laterales 1 Laterales 2 y Esquema Laterales
Más detallesEl cuerpo de los números reales
Capítulo 1 El cuerpo de los números reales 1.1. Introducción Existen diversos enfoques para introducir los números reales: uno de ellos parte de los números naturales 1, 2, 3,... utilizándolos para construir
Más detallesCálculo I. Índice Reglas Fundamentales para el Cálculo de Derivadas. Julio C. Carrillo E. * 1. Introducción 1. 2.
3.2. Reglas Funamentales para el Cálculo e Derivaas Julio C. Carrillo E. * Ínice 1. Introucción 1 2. Reglas básicas 3 3. El Álgebra e funciones erivables 4 4. Regla e la caena 8 * Profesor Escuela e Matemáticas,
Más detallesComplementos de Matemáticas, ITT Telemática
Introducción Métodos de punto fijo Complementos de Matemáticas, ITT Telemática Tema 1. Solución numérica de ecuaciones no lineales Departamento de Matemáticas, Universidad de Alcalá Introducción Métodos
Más detallesLa regla de la constante. DEMOSTRACIÓN Sea ƒ(x) c. Entonces, por la definición de derivada mediante el proceso de límite, se deduce que.
SECCIÓN. Reglas básicas e erivación razón e cambio 07. Reglas básicas e erivación razón e cambio Encontrar la erivaa e una función por la regla e la constante. Encontrar la erivaa e una función por la
Más detallesTEMA 4: DERIVADAS. En símbolos, la pendiente de la curva en P = lim Q P (pendiente de P Q).
TEMA 4: DERIVADAS 1. La derivada de una función. Reglas de derivación 1.1. La pendiente de una curva. La pendiente de una curva en un punto P es una medida de la inclinación de la curva en ese punto. Si
Más detallesLímites en el infinito, funciones divergentes
Tema 2 Límites en el infinito, funciones divergentes Nuestro próximo objetivo es usar las sucesiones divergentes para ampliar la noción de límite funcional en dos sentidos. Por una parte, analizaremos
Más detallesSucesiones y funciones divergentes
Tema 2 Sucesiones y funciones divergentes Nuestro próximo objetivo es ampliar el estudio de los dos tipos de convergencia, o de las dos nociones de límite, que hasta ahora conocemos: el límite de una sucesión
Más detallesTaller 4 Ecuaciones Diofánticas Lineales Profesor Manuel O Ryan
Taller 4 Ecuaciones Diofánticas Lineales Profesor Manuel O Ryan En general una Ecuación Diofántica es una ecuación polinomial en una o más variables para la que buscamos soluciones en los números enteros,
Más detallesCálculo infinitesimal de varias variables reales Volumen 1
Cálculo infinitesimal de varias variables reales Volumen 1 José María Rocha Martínez Departamento de Matemáticas Escuela Superior de Física y Matemáticas del IPN Gabriel D Villa Salvador Departamento de
Más detalles2.3 Reglas del producto, del cociente y derivadas de orden superior
SECCIÓN 2.3 Reglas el proucto, el cociente y erivaas e oren superior 119 2.3 Reglas el proucto, el cociente y erivaas e oren superior Encontrar la erivaa e una función por la regla el proucto. Encontrar
Más detallesTema XIV: SUCESIONES Y SERIES DE NÚMEROS REALES XIV.1. Sucesiones. Sucesiones convergentes
Tema XIV: SUCESIONES Y SERIES DE NÚMEROS REALES XIV.1. Sucesiones. Sucesiones convergentes 1. Sucesiones DEF. Una sucesión infinita de números reales es una función cuyo dominio es N y su imagen un subconjunto
Más detallesEspacios Normados (Normas en R n )
Espacios Normados (Normas en R n ) Uno de los conceptos más importantes del cálculo y del analisis matemático es el de métrica o distancia. En R n la noción de metrico depende a su vez del concepto de
Más detallesLímites de una función
Límites de una función Introducción Comenzaremos a analizar la definición del límite finito de tendencia finita a través de un ejemplo. Consideremos la función f. Observemos su regla de asignación y su
Más detallesTema 1: Espacios de Medida. 12 de marzo de 2009
Tema 1: Espacios de Medida 12 de marzo de 2009 1 Espacios de Medida 2 Espacios medibles 3 [0, ] 4 Medidas 5 Lebesgue 6 Primer Teorema Definición de Espacio de Medida (Ω,A,µ) Ω es un conjunto no vacío A
Más detallesMétodos Numéricos: Resumen y ejemplos Tema 5: Resolución aproximada de ecuaciones
Métodos Numéricos: Resumen y ejemplos Tema 5: Resolución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Abril 009,
Más detallesCURSO CERO DE MATEMATICAS. Apuntes elaborados por Domingo Pestana Galván. y José Manuel Rodríguez García
INGENIEROS INDUSTRIALES Y DE TELECOMUNICACIONES CURSO CERO DE MATEMATICAS Apuntes elaborados por Domingo Pestana Galván y José Manuel Rodríguez García UNIVERSIDAD CARLOS III DE MADRID Escuela Politécnica
Más detalles3.1. DERIVADAS DE SEGUNDO ORDEN
.. DERIVADAS DE SEGUNDO ORDEN La erivaa y ' f ' es la primera erivaa e y con respecto a, pero igualmente es posible realizar la erivaa e la erivaa, y y '' f ''. Lo que se conoce como la seguna erivaa e
Más detallesDERIVADAS DE LAS FUNCIONES ELEMENTALES
Universia Metropolitana Dpto. e Matemáticas Para Ingeniería Cálculo I (FBMI0) Proesora Aia Montezuma Revisión: Proesora Ana María Roríguez Semestre 08-09A DERIVADAS DE LAS FUNCIONES ELEMENTALES DERIVADAS
Más detallesMatemáticas I: Hoja 1
Matemáticas I: Hoja 1 1. Números complejos Hasta ahora, hemos visto que los números reales son aquellos que poseen una expresión decimal y que podemos representar en una recta infinita. No obstante, para
Más detallesAnexo C. Introducción a las series de potencias. Series de potencias
Anexo C Introducción a las series de potencias Este apéndice tiene como objetivo repasar los conceptos relativos a las series de potencias y al desarrollo de una función ne serie de potencias en torno
Más detallesNúmeros naturales, principio de inducción
, principio de inducción. Conjuntos inductivos. Denotaremos por IN al conjunto de números naturales, IN {,,, 4, 5, 6,...}, cuyos elementos son suma de un número finito de unos. Recordemos que IN es cerrado
Más detallesTema 2: Resolución de los ejercicios 6, 7, 8, 10 y 14 del tema 2 del libro Fonaments físics de la Informàtica
Tema : Resolución e los ejercicios 6, 7, 8, y 4 el tema el libro Fonaments físics e la Informàtica 6. Un conensaor e capacia, cargao con carga, se conecta con otro e capacia, inicialmente escargao, tal
Más detallesTema 2. Grupos. 3. El conjunto de matrices de orden 2 con coeficientes enteros (o reales) con la suma es un grupo conmutativo.
Tema 2. Grupos. 1 Grupos Definición 1 Un grupo es una estructura algebraica (G, ) tal que la operación binaria verifica: 1. * es asociativa 2. * tiene elemento neutro 3. todo elemento de G tiene simétrico.
Más detallesInstituto Tecnológico Autónomo de México Maestría en Economía Microeconomía Aplicada II, 2015 Dominancia estocástica
Instituto Tecnológico Autónomo e México Maestría en Economía Microeconomía Aplicaa II, 215 Dominancia estocástica Ricar Torres Ínice general 1 Introucción: ominación estao a estao 1 2 Dominancia estocástica
Más detalles() 25 de mayo de / 9
DEFINICION. Una función es iferenciable en a si f (a) existe, y iremos que es iferenciable en un intervalo abierto si es iferenciable en caa uno e los puntos el intervalo. NOTA. Para las funciones que
Más detallesRegla de la cadena. f (x) 1 x 3. d dx x3 1 x 3. (3x 2 ) 3 x. f(x) 3 d dx ln x 3. 1 x. para x70, d dx ln x 1. para x60, d dx ln( x) 1x.
74 CAPÍTULO 3 La erivaa EJEMPLO 4 Diferencie f ()=ln 3. Regla e la caena Solución Debio a que 3 ebe ser positiva, se entiene que 70. Así, por (3), con u= 3, tenemos Solución alterna: Por iii) e las lees
Más detalles4. " $#%&' (#) para todo $#* (desigualdad triangular).
10 Capítulo 2 Espacios Métricos 21 Distancias y espacios métricos Definición 211 (Distancia) Dado un conjunto, una distancia es una aplicación que a cada par le asocia un número real y que cumple los siguientes
Más detallesDependencia e independencia lineal
CAPíTULO 3 Dependencia e independencia lineal En este capítulo estudiaremos tres conceptos de gran importancia para el desarrollo del álgebra lineal: el concepto de conjunto generador, el concepto de conjunto
Más detalles3 DERIVADAS ALGEBRAICAS
DERIVADAS ALGEBRAICAS DERIVADAS ALGEBRAICAS Entiénase la erivaa como la peniente e la recta tangente a la función en un punto ao, lo anterior implica que la función ebe eistir en ese punto para poer trazar
Más detallesReglas de derivación. 4.1. Sumas, productos y cocientes. Tema 4
Tema 4 Reglas de derivación Aclarado el concepto de derivada, pasamos a desarrollar las reglas básicas para el cálculo de derivadas o, lo que viene a ser lo mismo, a analizar la estabilidad de las funciones
Más detallesTopología de R n. Beatriz Porras
Producto escalar, métrica y norma asociada. Topología de R n Beatriz Porras 1 Producto escalar, métrica y norma asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores
Más detallesSucesiones convergentes
Tema 5 Sucesiones convergentes Aparece por primera vez en este tema una de las nociones fundamentales del Análisis Matemático, la noción de convergencia. Estudiamos la convergencia de sucesiones de números
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8)
PROBABILIDAD Y ESTADÍSTICA Sesión 5 (En esta sesión abracamos hasta tema 5.8) 5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5.1 Distribución de probabilidades de una variable aleatoria continua
Más detallesPropiedades en una muestra aleatoria
Capítulo 5 Propiedades en una muestra aleatoria 5.1. Conceptos básicos sobre muestras aleatorias Definición 5.1.1 X 1,, X n son llamadas una muestra aleatoria de tamaño n de una población f(x) si son variables
Más detallesSumación aproximada de series numéricas
PROYECTO I: MÁS SOBRE SERIES DE NÚMEROS REALES Sumación aproximada de series numéricas El estudio de las series de números reales no termina con el análisis de la convergencia y la sumación de algunas
Más detallesANÁLISIS DE VARIABLE REAL
ANÁLISIS DE VARIABLE REAL Víctor Manuel Sánchez de los Reyes Departamento de Análisis Matemático Universidad Complutense de Madrid Índice Los números reales, sucesiones y series 7 Los números naturales
Más detallesGrado en Química Bloque 1 Funciones de una variable
Grado en Química Bloque Funciones de una variable Sección.7: Aproximación de funciones. Desarrollo de Taylor. Aproximación lineal. La aproximación lineal de una función y = f(x) en un punto x = a es la
Más detallesVariables Aleatorias. Capítulo 4. 4.1. Introducción.
Capítulo 4 Variables Aleatorias 41 Introducción A la realización de un experimento aleatorio le hemos asociado un modelo matemático representado por un espacio de probabilidad (Ω, F, P ), donde Ω es el
Más detallesClase 6: Derivadas direccionales
Clase 6: Derivaas ireccionales C. J. Vanegas 27 e abril e 2008 preliminares Sean x R 3 y v R 3 fijos en R 3. Consiere la recta L que pasa por x y tiene irección v, es ecir: L = {y R 3 : y = x + t v t R}
Más detallesParte 4: Teoremas de convergencia.
Parte 4: Teoremas de convergencia. Como siempre, si no se dice lo contrario, se supone que (, M, µ) es un espacio de medida y trabajamos con funciones de dominio y recorrido contenido en C o R o R. Empezamos
Más detallesINSTRUCTIVO PARA TUTORÍAS
INSTRUCTIVO PARA TUTORÍAS Las tutorías corresponen a los espacios acaémicos en los que el estuiante el Politécnico Los Alpes puee profunizar y reforzar sus conocimientos en iferentes temas e cara al eamen
Más detallesTEMA 1 INTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES
TEMA 1 INTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES 7 INTRODUCCIÓN El propósito e este tema es introucir a los alumnos en la terminología básica e las Ecuaciones Diferenciales eaminar brevemente como se
Más detallesFUNCIONES TRIGONOMÉTRICAS
CAPÍTULO 6 FUNCIONES TRIGONOMÉTRICAS 6.1 FUNCIONES TRASCENDENTES (Áreas 1, y ) Las funciones trascenentes se caracterizan por tener lo que se llama argumento. Un argumento es el número o letras que lo
Más detallesI. NOCIONES GENERALES SOBRE ESPACIOS
I. NOCIONES GENERALES SOBRE ESPACIOS MÉTRICOS En este primer capítulo se recuerdan los conceptos topológicos básicos y se adopta la terminología y notación que se manejarán a lo largo del curso; se introducen
Más detalles3.1 Definiciones previas
ÍNDICE 3.1 Definiciones previas............................... 1 3.2 Operaciones con funciones........................... 8 3.3 Límite e una función en un punto...................... 15 3.3.1 Operaciones
Más detallesIES Fco Ayala de Granada Septiembre de 2013 (Modelo 3 Especifico) Solucíon Germán-Jesús Rubio Luna. Opción A
Opción A Ejercicio opción A, modelo 3 Septiembre 03 específico x Sea f la función definida por f(x) = para x > 0, x (donde ln denota el logaritmo neperiano) ln(x) [ 5 puntos] Estudia y determina las asíntotas
Más detallesInformación importante
Departamento e Matemática Coorinación e Matemática I (MAT01) 1 er Semestre e 010 Semana 1: Lunes 07 viernes 11 e Junio Información importante Durante esta semana se publicarán las notas el Certamen en
Más detallesMariano Suárez-Alvarez. 7 de mayo, Límites superiores y límites inferiores
ĺımsup y ĺıminf Mariano Suárez-Alvarez 7 de mayo, 2013 1.1. Definiciones 1. Límites superiores y límites inferiores 1.1. Sea (a n ) n 1 una sucesión de números reales que es acotada superiormente. Si para
Más detalles(f + g) (x) = f (x) + g (x) (α f) (x) = α f (x) (f g) (x) = f (x) g(x) + f(x) g (x) (x) = f (x) g(x) f(x) g (x) g. [g(x)] 2 (f g) (x) = f (g(x)) g (x)
Derivaa e una función en un punto: El concepto e erivaa e una función matemática se halla íntimamente relacionao con la noción e límite. Así, la erivaa se entiene como la variación que experimenta la función
Más detallesSucesiones y series de funciones
A Sucesiones y series de funciones Convergencia puntual y convergencia uniforme. Condición de Cauchy y criterio de Weierstrass. Teoremas sobre continuidad, derivabilidad e integrabilidad del límite de
Más detallesTema 8: Derivación. José M. Salazar. Noviembre de 2016
Tema 8: Derivación. José M. Salazar Noviembre e 2016 Tema 8: Derivación. Lección 9. Derivación: teoría funamental. Lección 10. Aplicaciones e la erivación. Ínice 1 Derivaas. Principales nociones y resultaos.
Más detalles5.1. Distribución Conjunta de Dos Variables Aleatorias.
Capítulo 5 Distribuciones Conjuntas e Independencia 51 Distribución Conjunta de Dos Variables Aleatorias Sean X e Y dos variables aleatorias sobre un espacio de probabilidad común (Ω, A, P ) Llamaremos
Más detallesLogaritmo Natural. x I t dt = ln(x) = ln(x) > 0 para x (1, ) Observación 5. El primer teorema fundamental del Cálculo implica que
Logaritmo Natural Si n ya sabemos que x t n t = n+ xn+ + C, con C una constante. Definición. La regla e corresponencia ln(x) = x t t = x I efine una función con ominio D ln = (0, ). A esta función se le
Más detallesPolinomios. 1.- Funciones cuadráticas
Polinomios 1.- Funciones cuadráticas Definición 1 (Función polinomial) Sea n un entero no negativo y sean a n, a n 1,..., a, a 1, a 0 número s reales con a n 0. La función se denomina función polinomial
Más detallesRELACIÓN ENTRE LA GRÁFICA DE UNA FUNCIÓN f y LA DE SU INVERSA f -1
RELACIÓN ENTRE LA GRÁFICA DE UNA FUNCIÓN f y LA DE SU INVERSA f -1 Sabemos que la función inversa 1 Si f a b, entonces f b a 1 f (o recíproca) de f cumple la siguiente condición: Por lo tanto: 1 f f 1
Más detallesLógica Proposicional, Teoremas y Demostraciones
Lógica Proposicional, Teoremas y Demostraciones Manuel Maia 19 de marzo de 2012 1 Proposiciones Una proposición es una oración declarativa o una expresión matemática que es verdadera o es falsa, pero no
Más detallesDERIVADA. Interpretación Geométrica Encontrar la pendiente de la recta tangente a una curva en un punto dado de ella.
DERIVADA Interpretación Geométrica Objetivo: Encontrar la peniente e la recta tangente a una curva en un punto ao e ella. Para precisar correctamente la iea e tangente a una curva en un punto, se utilizará
Más detallesSucesiones y series de funciones
Sucesiones y series de funciones Renato Álvarez Nodarse Departamento de Análisis Matemático Facultad de Matemáticas. Universidad de Sevilla http://euler.us.es/ renato/ 8 de octubre de 2012 Sucesiones y
Más detallesApuntes de Matemática Discreta 12. Ecuaciones Diofánticas
Apuntes e Matemática Discreta 2. Ecuaciones Diofánticas Francisco José González Gutiérrez Cáiz, Octubre e 2004 Universia e Cáiz Departamento e Matemáticas ii Lección 2 Ecuaciones Diofánticas Contenio 2.
Más detalles1 Variables aleatorias independientes
1 Variables aleatorias independientes El concepto de independencia es sumamente importante en teoría de probabilidad y su negación, la dependencia, es un importante objeto de estudio actualmente en diversas
Más detallesEstructuras algebraicas
Estructuras algebraicas Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza 1 Relaciones binarias 11 Recordatorio Definición Dados dos conjuntos A y B se llama producto cartesiano de A por B
Más detalles1. Si están situados en rectas paralelas: la recta que une los orígenes, deja sus extremos en un mismo semiplano.
CAPÍTULO El plano vectorial Consideremos P como el plano intuitivo de puntos: A,,C..... El espacio vectorial de los vectores Definición. Vectores fijos Dado dos puntos cualesquiera A e del espacio nos
Más detallesPráctica 2 Métodos de búsqueda para funciones de una variable
Práctica 2 Métodos de búsqueda para funciones de una variable Introducción Definición 1. Una función real f se dice que es fuertemente cuasiconvexa en el intervalo (a, b) si para cada par de puntos x 1,
Más detallesFUNCIONES TRIGONOMÉTRICAS
Unia os Geometría Trigonometría 8. FUNCIONES TRIGONOMÉTRICAS 8. El círculo trigonométrico o unitario En temas anteriores, las funciones trigonométricas se asociaron con razones, es ecir con cocientes e
Más detallesEn las figuras anteriores vemos algunos casos (no todos) que pueden presentarse al pasar por un punto x 0. (en este caso, para x 0 =2)
UNIVERSIDAD DEL VALLE PROFESOR CARLOS IVAN RESTREPO CONTINUIDAD. 1.- Continuidad en un punto. Continuidad lateral..- Continuidad en un intervalo. 3.- Operaciones con funciones continuas 4.- Discontinuidades.
Más detallesSemana 14-Derivadas I[1/29] Derivada. 7 de junio de Derivada
Semana 14-s I[1/9] 7 e junio e 007 s Introucción Semana 14-s I[/9] Introucción P f Q Consieremos el gráfico e una función f con ominio R. Sea P = (x 0, y 0 ) un punto el gráfico e f y sea Q = (x 1, y 1
Más detallesTEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas.
TEMA 11 F MATEMÁTICOS TEMA 11 Autovalores y autovectores Diagonalización y formas canónicas 1 Introducción Definición 1 (Matrices semejantes) Sean A y B dos matrices cuadradas de orden n Decimos que A
Más detallesResumen Tema 3: Derivadas. Concepto. Propiedades. Cálculo de derivadas. Aplicaciones.
Resumen Tema 3: Derivadas. Concepto. Propiedades. Cálculo de derivadas. Aplicaciones. 0.. Concepto de derivada. Definición. Sea f : S R R, a (b, c) S. Decimos que f es derivable en a si existe: f(x) f(a)
Más detallesEcuación de Schrödinger
Ecuación e Schröinger En cuanto a onas electromagnéticas, ya vimos que su comportamiento está regio por las ecuaciones e Maxwell. También hemos visto que a una partícula con masa se le puee asignar una
Más detallesDerivación. (x c) que pasa por el punto fijo (c, f(c)) y el punto móvil (c + h, f(c + h)) cuando h tiende a 0.
Derivación Definición y propieaes básicas Definición. Una función f efinia en un entorno e un punto c R es erivable en c si y sólo si el ite f c = f fc + h fc f fc c := = h h c c eiste y toma un valor
Más detallesCriterio del segundo cociente para convergencia de series numéricas
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ESCUELA DE MATEMÁTICA Criterio del segundo cociente para convergencia de series numéricas Trabajo Especial de Grado presentado ante la ilustre Universidad
Más detallesTema 4.3: Desarrollo de Taylor. Equivalencia entre analiticidad y holomorfía. Fórmula de Cauchy para las derivadas
Tema 4.3 Desarrollo de Taylor. Euivalencia entre analiticidad y holomorfía. Fórmula de Cauchy para las derivadas Facultad de Ciencias Experimentales, Curso 008-09 E. de Amo Tal y como ya anunciábamos en
Más detallesSeminario de problemas. Curso Hoja 13
Seminario e problemas Curso 2014-15 Hoja 13 85 Calcula la ea e Diofanto e Alejanría e acuero con los siguientes atos que aparecen en un escrito fechao entre los siglos V y V I: Dios le conceió que fuera
Más detallesFunciones Exponenciales y Logarítmicas
Funciones Exponenciales y Logarítmicas 0.1 Funciones exponenciales Comencemos por analizar la función f definida por f(x) = x. Enumerando coordenadas de varios puntos racionales, esto es de la forma m,
Más detallesLuego, en el punto crítico
Matemáticas Grado en Química Ejercicios propuestos Tema 5 Problema 1. Obtenga y clasique los puntos críticos de las siguientes funciones: a fx, y = x +y, b fx, y = x y, c fx, y = x 3 + y. Solución del
Más detallesSeries. Capítulo Introducción. Definición 4.1 Sea (x n ) n=1 una sucesión de números reales. Para cada n N. S n = x k = x 1 + x x n.
Capítulo 4 Series 4 Introducción Definición 4 Sea (x n ) n= una sucesión de números reales Para cada n N definimos n S n = x k = x + x 2 + + x n k= La sucesión (S n ) n se conoce como la serie infinita
Más detalles4.1 Antiderivadas o primitivas e integración indefinida
48 CAPÍTULO 4 Integración 4. Antierivaas o primitivas e integración inefinia Escribir la solución general e una ecuación iferencial. Usar la notación e la integral inefinia para las antierivaas o primitivas.
Más detallesRegla de la cadena. Ejemplo 1. y = f (g(x)) Como las funciones son diferenciables son suaves.
1 Regla e la caena Hasta aquí hemos erivao funciones que no son compuestas. El problema surge cuano tenemos una función que es compuesta, por ejemplo, igamos que el precio e la gasolina epene el precio
Más detalles1. Teorema Fundamental del Cálculo
1. Teorema Fundamental del Cálculo Vamos a considerar dos clases de funciones, definidas como es de otras funciones Funciones es. F (t) = t a f(x)dx donde f : R R, y F (t) = f(x, t)dx A donde f : R n R
Más detalles4. Mecánica en la Medicina Derivar e Integrar
4. Mecánica en la Meicina Derivar e Integrar Teoría Dr. Willy H. Gerber Instituto e Ciencias Físicas y Matemáticas, Universia Austral, Valivia, Chile 17.04.2011 W. Gerber 4. Mecánica en la Meicina - Matemática
Más detallesA y B
TIVIDDES DE MTRIES. º HILLERTO Hallar el rango e la matriz: 7 8 7 9 8 Se observa que el menor e oren formao por la primera y tercera filas y columnas no es nulo sino igual a 8, veamos: 8 Luego rg () es
Más detallesCuatro Problemas de Álgebra en la Olimpiada Internacional de Matemáticas.
Boletín de la Asociación Matemática Venezolana, Vol. XV, No. 1 (2008) 131 Cuatro Problemas de Álgebra en la Olimpiada Internacional de Matemáticas. Rafael Sánchez Lamoneda Introducción. El presente artículo
Más detalles2.5 Derivación implícita
SECCIÓN.5 Derivación implícita.5 Derivación implícita Distinguir entre funciones eplícitas e implícitas. Hallar la erivaa e una función por erivación implícita. EXPLORACIÓN Representación gráfica e una
Más detallesApuntes de Matemática Discreta 2. Operaciones con Conjuntos
Apuntes de Matemática Discreta 2. Operaciones con Conjuntos Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 2 Operaciones con Conjuntos
Más detallesDesde la secundaria estamos acostumbrados a trabajar con polinomios, los cuales identificamos con expresiones de la forma
Polinomios Desde la secundaria estamos acostumbrados a trabajar con polinomios, los cuales identificamos con expresiones de la forma p(x) = a 0 + a 1 x +... + a n x n (1) donde x es la variable y a 0,
Más detallesProducto cartesiano. X Y = {(x, y) : x X, y Y }. Ejemplo En el tablero de ajedrez, X = números del 1-8, Y = letras de A-H.
Producto cartesiano Motivación: Has oido hablar sobre gente que juega ajedrez sin tener que mirar nunca el tablero?. Esto es posible, y se debe a una herramienta llamada coordenadas de un punto. En un
Más detalles