GENERALIZACIONES DE LA LEY FUERTE DE LOS GRANDES NÚMEROS Y DEL LEMA DE BOREL-CANTELLI. Ramírez Ramírez Lilia Leticia
|
|
- Alba Rubio Franco
- hace 7 años
- Vistas:
Transcripción
1 GENERALIZACIONES DE LA LEY FUERTE DE LOS GRANDES NÚMEROS Y DEL LEMA DE BOREL-CANTELLI Ramírez Ramírez Lilia Leticia Octubre de 1998
2 Coteido INTRODUCCIÓN iii 1 CONCEPTOS BÁSICOS INDEPENDENCIA ESTOCÁSTICA Y VARIABLES ALEATORIAS ESPERANZA MATEMÁTICA CONVERGENCIAS EN PROBABILIDAD, CASI SEGURA Y EN MEDIA PROBABILIDAD Y ESPERANZA CONDICIONALES LEMA DE BOREL-CANTELLI Y LFGN LEMA DE BOREL-CANTELLI LEYES DE GRANDES NÚMEROS MARTINGALAS INTRODUCCIÓN TIEMPO DE PARO Y TEOREMA DE PARO OPCIONAL EXTENSIONES DEL LEMA DE B-C Y LFGN LEMA DE BOREL-CANTELLI DE LÉVY LEY FUERTE DE GRANDES NÚMEROS DE LÉVY Y CHOW REFINAMIENTO DEL LEMA DE B-C Y LA LFGN i
3 ii CONTENIDO
4 INTRODUCCIÓN Como es bie sabido, la probabilidad tiee su orige e los problemas relacioados co juegos de azar y su objetivo primario fue el de calcular las probabilidades de gaar ua partida e juegos tales como dados, cartas o ruleta; si embargo, ates de que cualquier cálculo formal se hubiera realizado, las reglas de los juegos solía calificar co mayor úmero de putos a aquellas jugadas co meor probabilidad. Estas reglas se puede atribuir a la oció ituitiva que pudiera haberse teido de lo que que después formó la defiició de probabilidad de u eveto e juegos co úmero fiito de posibles resultados (úmero de casos favorables etre el úmero de casos totales) o a la observació del úmero de casos favorables e ua colecció de jugadas (frecuecia relativa de exitos). A pesar de que para el ser humao es atural estimar la probabilidad de u eveto como la frecuecia relativa de éste (como la probabilidad de lluvia e ua tarde de verao), o fue sio hasta fiales del siglo XVII que James Beroulli formalizó esta idea ituitiva para feómeos aleatorio cuyo espacio muestral tiee cardialidad dos. Este resultado puede euciarse de la siguiete maera: Si {X } 1 es ua sucesió de v.a. s idepedietes e idéticamete distribuidas co ley Beroulli y parámetro p, etoces X X p e probabilidad. Después de la obteció de este Teorema, el estudio del comportamieto asitótico de suma de variables aleatorias ha coformado uo de los temas cetrales de ivestigació e la probabilidad, el cual aú hasta uestros días sigue dado uevos resultados suceptibles a aplicarse e teorías tales como la llamada de Muestras Grades, la que a su vez se relacioa directamete co la modelació matemática de feómeos aturales. El teorema obteido por Beroulli se cooce como la Ley Débil de los Grades Números y a partir de su formulació se ha desarrollado y geeralizado hacia diversas vertietes. Alguas de su geeralizacioes o versioes ha surgido a partir de la búsqueda de respuestas a pregutas como so: El teorema es válido para algú otro tipo de distribució? Qué codicioes debe cumplir las variables aleatorias para que su suma estadarizada coverja e probabilidad? Qué codicioes garatiza la covergecia casi segura? iii
5 iv INTRODUCCIÓN Uo de los resultados más célebres, el cual da respuesta a las pregutas ateriores, es el llamado Ley Fuerte de los Grades Números, demostrada por Kolmogórov e 1929 y el cual dice así: Si {X } es ua sucesió de variables aleatorias idepedietes e idéticamete distribuidas, etoces X X L casi seguramete si y sólo si EX 1 existe, y e este caso, L = EX 1. El Teorema de Kolmogórov, además de dar respuesta a las pregutas ates expresadas, abre uevos rumbos hacia los cuales ecamiar la ivestigació e la Teoría de la Probabilidad, a saber: Si las variables aleatorias o tiee esperaza fiita, existe costates a, b tales que X X b L a casi seguramete?. Alguas respuestas a esta preguta tiee lugar e Loéve, M. (1955) págias Otra preguta que podemos formular, que es más geeral, es: Dada ua sucesió (arbitraria) de variables aleatorias, qué codicioes debe cumplir para que exista, a su vez, variables aleatorias {Y } 1, {W } 1 tales que X X Y X L (1) casi seguramete?. E las demostracioes de los teoremas que da respuesta a las pregutas ateriores, el Lema de Borel-Catelli (o sus extesioes, coocidas como Leyes 0-1) so clave, ya que el resultado de Borel-Catelli da codicioes bajo las cuales el límite superior de ua sucesió de evetos tiee probabilidad 0 o 1, y su relació co la Ley Fuerte de los Grades Números es la siguiete: X X Y L casi seguramete si y sólo si P (lim sup E W ) ɛ = 0 para toda ɛ > 0, dode [ ] E ɛ X X Y = L ɛ. W E este trabajo se preseta varias versioes, tato del Lema de Borel-Catelli como de la Ley Fuerte de los Grades Números. No es uestra iteció hacer u estudio exhaustivo, sio solamete presetar alguos resultados para variables aleatorias o ecesariamete idepedietes y co esperaza fiita.
6 INTRODUCCIÓN v E el primer Capítulo se expoe elemetos de Teoría de la Probabilidad que se requiere a lo largo del trabajo. Se presupoe que el lector tiee coocimietos de alguos coceptos y resultados de Teoría de la Medida tales como la itegral de Lebesgue, la itegral de Lebesgue-Stieltjes, los Teoremas de Cambio de Variable, de Covergecia Moótoa y Covergecia Domiada. El segudo Capítulo está dedicado a presetar los resultados clásicos del Lema de Borel-Catelli y la Ley de los Grades Números para evetos idepedietes e idepedietes por parejas. Se icluye la Ley Débil, la demostració de Kolmogórov de la Ley Fuerte, así como alguas otras versioes de este Teorema. E particular, es presetada ua versió modera más simple de la Ley Fuerte obteida por Etemadi [8] que sólo requiere de idepedecia por parejas y existecia del primer mometo. El Capítulo tercero se refiere a la Teoría de martigalas. Se muestra alguos de sus pricipales propiedades y resultados que se utilizará e el resto del trabajo. Los pricipales que se expoe so el Teorema de Muestreo Opcioal o de Paro Opcioal de Doob y u teorema de covergecia de martigalas. E el Capítulo cuarto se estudia la Ley Fuerte de los Grades Números e el caso e que las variables aleatorias o so ecesariamete idepedietes y la suma X 1 + +X se ormaliza o ecesariamete co costates, sio co variables aleatorias (como e (1) ). Se preseta u Lema de Borel-Catelli demostrado por Lévy, el cual es clave para las demostracioes de las Leyes de Grades Números de Lévy y de Chow. Por último se preseta u resultado que cojuta el Lema de Borel-Catelli y la Ley Fuerte de los Grades Números de Lévy. A lo largo de este trabajo se cosiderará u espacio de probabilidad (Ω, I, P ) y cualquier variable aleatoria se tedrá por defiida e este espacio. Tambié deotaremos a las variables aletorias, como es usual e la literatura, co las últimas letras del alfabeto, e mayúsculas.
7 vi INTRODUCCIÓN
8 Capítulo 1 CONCEPTOS BÁSICOS E este Capítulo se setará los fudametos de Teoría de Probabilidad ecesarios para poder desarrollar los resultados que a lo largo del trabajo se expoe. 1.1 INDEPENDENCIA ESTOCÁSTICA Y VARIA- BLES ALEATORIAS U espacio de probabilidad es ua tera (Ω, I, P ), dode Ω es u cojuto o vacío que llamaremos espacio muestral, I es ua σ-álgebra de subcojutos de Ω, llamada espacio de evetos y P es ua medida de probabilidad co domiio e I, es decir ua medida tal que P (Ω) = 1. Defiició 1.1 Lamaremos a E eveto del espacio de probabilidad (Ω, I, P ) si E I. Defiició 1.2 Sea T u cojuto de ídices (diferete del vacío) y E = {E t } t T ua familia de evetos. Decimos que E es ua familia de evetos idepedietes si para todo subcojuto fiito {t 1,..., t } de T, P ( ) j=1e tj = P (E tj ). Se dice que la clase fiita de evetos {C t } t=1 so idepedietes si P ( 1E j ) = 1 P (E j ) para todo E t C t (t = 1, 2,..., ). Si {C t } t T es ua clase de evetos, se dice que es idepediete si cada subclase fiita es idepediete. Defiició 1.3 Ua fució X : Ω R se llama variable aleatoria (v.a.) si X 1 (B) I para todo B B(R) (Boreliaos de R). Proposició Si X es ua v.a. y g : R R ua fució Borel medible (g 1 (B) B(R) B R) etoces g(x) es tambié ua variable aleatoria. 1 j=1
9 2 CAPÍTULO 1. CONCEPTOS BÁSICOS Sea B B(R). Como g es Borel medible, se tiee que g 1 (B) B(R) y como X es v.a. etoces X 1 (g 1 (B)) B(R) Defiició 1.4 A la fució P (X 1 ( )) : B(R) R + se le llama distribució de la v.a. X o probabilidad iducida por la v.a. X y se le deota como P X 1 ( ) o P X ( ). Proposició La distribució de la v.a. X es ua medida de probabilidad e R. Sea B, B 1, B 2,... B(R) tales que B i B j = i j. Etoces (i) P X (B) = P (X 1 (B)) 0, (ii) P X (R) = P (X 1 (R)) = P (Ω) = 1, y (iii) P X ( 1 B )=P (X 1 ( 1 B ))=P ( 1 X 1 (B ))= 1 P (X 1 (B ))= 1 P X (B ). Defiició 1.5 A la fució F X : R R + defiida por F X (x) = P X (, x], se le llama fució de distribució de la v.a. X. x R Defiició 1.6 Llamamos a X = (X 1,, X ) vector aleatorio si X i es variable aleatoria (i = 1, 2,..., ). El vector X es ua fució medible de (Ω, I, P ) a (R, B(R )) porque X 1 (B 1 B 2 B ) = X 1 1 (B 1 ) X 1 (B ), dode B i R para i = 1, 2,..., y la σ-álgebra geerada por los rectágulos medibles (B 1 B 2 B ) geera a 1B(R), el cual es igual a B(R ) porque R es u espacio separable. Deotamos a la distribució del vector X como P X 1 ( ) = P X ( ) = P (X1,...,X )( ). Defiició 1.7 Sea {X i } i=1 ua familia fiita de v.a. s. Decimos que las v.a. s X 1,..., X so variables aleatorias idepedietes (v.a.i.) o {X i } i=1 es idepediete si {Xi 1 } forma ua clase idepediete de evetos. La defiició aterior os dice que que si X 1,..., X so v.a.i. etoces dode B i B(R) para i = 1, 2,...,. P (X1,...,X )(B 1,..., B ) = P X1 (B 1 ) P X (B ), Defiició 1.8 Sea T u cojuto de ídices y {X i } i T u familia de v.a. s. Decimos que {X i } i T es idepedietes si cada subfamilia fiita de {X i } i T es idepediete.
10 1.2. ESPERANZA MATEMÁTICA ESPERANZA MATEMÁTICA Defiició 1.9 Defiimos L p como L p = {f : Ω R P (f = g) = 1, para algua g Borel medible, defiida para todo ω Ω y tal que g p dp < }, dode p N y g p dp es la itegral de Lebesgue de g p co respecto a la medida de probabilidad P. Defiició 1.10 Si g : R R es ua fució Borel medible y X es ua v.a., defiimos la esperaza de g(x) como siempre que g(x) L 1. Eg(X) = E[g(X)] = Ω g(x(ω))dp (ω) = Ω g(x)dp, Por el Teorema de Cambio de Variable teemos que si Eg(X) L 1, etoces Eg(X) = R g(v)dp X (v). Como P X (a, b] = F X (b) F X (a) y F X es o decreciete (por mootoía de la probabilidad) y cotíua por la derecha, etoces tambié podemos expresar a la esperaza de g(x) como la itegral de Lebesgue-Stieltjes: Eg(X) = R g(v)df X (v). Defiició 1.11 Si X L p, p = 1, 2,..., deomiaremos a EX p el mometo de orde p de X. Nota 1.12 El mometo de orde 1 siempre se deomiará la esperaza de X. De la propiedades de la itegral de Lebesgue se sigue imediatamete el ssiguiete resultado Corolario (i) Si X, Y L 1 y α, β R, etoces αx +βy L 1 y E(αX +βy ) = αex +βey. (ii) Si X L 1 etoces EX E X.
11 4 CAPÍTULO 1. CONCEPTOS BÁSICOS (iii) Si Y L 1, X v.a. tal que X Y casi seguramete (c.s.), etoces X L 1 y E X E Y. (iv) X L 1, co E X = 0 si y sólo si X = 0 (c.s.). (v) Si E X λ < para algú λ > 0 etoces E X ν < para 0 ν λ Proposició (Desigualdad de Cauchy-Schwarz) Sea X y Y dos v.a. tales que X, Y L 2. Etoces XY L 1 y (E XY ) 2 EX 2 EY 2. Cuado algua de X e Y es igual a cero c.s. se cumple la desigualdad. Sea EX 2 > 0, EY 2 > 0, defiamos a = X [EX 2 ] 1/2, b = Y [EY 2 ] 1/2. Etoces aplicado la desigualdad 2 ab a 2 + b 2, a, b R, se obtiee que XY 1 [ 2 [EX2 EY 2 ] 1 X 2 2 EX + Y 2 ], 2 EY 2 de dode resulta que E XY < y [E XY ] 2 EX 2 EY 2. Proposició Sea X ua v.a. y g ua fució Borel medible, o egativa tal que g(x) L 1. Supógase además que g es par y o decreciete e [0, ). Etoces ɛ > 0 se tiee P [ X ɛ] Eg(X) g(ɛ). Si F = { X ɛ}, etoces Eg(X) = F g(x)dp + F c g(x)dp g(ɛ)p (F ). Nota 1.13 Si g(x) = x λ, obteemos la desigualdad de Markov, y si además λ = 2, etoces obteemos la desigualdad de Chebyshev. Lema Si Y es ua v.a. o egativa etoces P [Y ] EY 1 + P [Y ] =1 =1
12 1.2. ESPERANZA MATEMÁTICA 5 P [Y ] = =1 = = = k P [k Y < k + 1] = P [k Y < k + 1] =1 k= k=1 =1 kp [k Y < k + 1] = kdp k=0 k=0 [k Y <k+1] Y dp = EY k=0 [k Y <k+1] (k + 1)P [k Y < k + 1] k=0 P [Y ] + P [k Y < k + 1] =1 k=0 P [Y ] + 1 =1 Defiició 1.14 Decimos que la variable aletoria X está cetrada e el puto c (c R) si reemplazamos X por X c. La selecció de la costate c juega u papel importate e muchos problemas de probabilidad (como las Leyes de Grades Números y el Teorema Cetral del límite). Defiició 1.15 Si X L 2, al segudo mometo de la v.a. X cetrado e EX se le deomia como la variaza de X (Var(X)). Corolario (Desigualdad de Kolmogórov) Sea X 1, X 2,..., X v.a.i. tales que y EX k = 0 Var(X k ) = EX 2 k = σ 2 k <, k = 1, 2,...,. Si S k = k j=1 X j, k = 1, 2,...,. Etoces para toda ɛ > 0 se tiee que Para ɛ > 0 defiamos los cojutos P { max 1 k S k ɛ} 1 ɛ 2 E 1 = { S 1 ɛ} σk. 2 k=1
13 6 CAPÍTULO 1. CONCEPTOS BÁSICOS y E k = { S k ɛ} k 1 j=1 { S j < ɛ} para k = 2, 3,...,. Por costrucció, teemos que E i E j = para toda i j. Sea E = {max 1 k S k ɛ}. Etoces E = k=1e k. Como X k so idepedietes y EX k = 0, etoces σk 2 = Var(S ) = k=1 = Por otro lado, si 1 k, teemos que SdP 2 Ω k=1 E k S 2 dp. E S 2 dp pero E k S 2 dp = = (S k + X k X ) 2 dp E k SkdP S k (X k X )dp + (X k X ) 2 dp, E k E k E k 2 S k (X k X )dp = 2 I Ek S k dp (X k X )dp = 0 E k Ω Ω por la asociatividad de la idepedecia. Además, como E k (X k X ) 2 dp 0, etoces Como fialmete se tiee que Var(S ) = = SdP 2 ω k=1 k=1 E E k S 2 dp ɛ 2 P (E k ). S 2 dp k=1 ɛ 2 P (E) = ɛ P (E k ), k=1 ɛ 2 P (E) Var(X k ) k=1 E k S 2 kdp
14 1.3. CONVERGENCIAS EN PROBABILIDAD, CASI SEGURA Y EN MEDIA CONVERGENCIAS EN PROBABILIDAD, CASI SEGURA Y EN MEDIA Defiició 1.16 Se dice que la sucesió de variables aleatorias {X } 1 coverge casi seguramete (c.s.) a la v.a. X si existe E I co P (E) = 0 tal que ω E c se cumple E este caso escribimos X c.s. X. X (ω) X(ω) 0 cuado. La oció de covergecia casi dode sea, de Teoría de la Medida, es idética a la de covergecia casi segura e Probabilidad, pero cambia de ombre o sólo porque la medida de probabilidad es ua medida co la propiedad de que P (Ω) = 1, sio para hacer referecia a que ua probabilidad es ua medida de posibilidad. Defiició 1.17 Se dice que la sucesió {X } 1 es Cauchy casi seguramete si existe E I tal que P (E) = 0 y X (ω) X m (ω) 0 cuado m, para toda ω E c. Proposició Sea {X } 1 ua sucesió de v.a. s. Etoces X c.s. X, X v.a. {X } es Cauchy c.s.. c.s. Si X X etoces existe E I tal que P (E) = 0 y X (ω) X(ω) ω E c. Etoces para ω E c y para m, úmeros eteros positivos se tiee que X m (ω) X (ω) X m (ω) X(ω) + X (ω) X(ω) 0 cuado m y. Etoces {X } es Cauchy c.s.. Por otra parte, si {X } es Cauchy c.s. etoces existe E I tal que P (E) = 0 y X (ω) X m (ω) m, 0 ω E c. Etoces la sucesió {X (ω)} es ua sucesió Cauchy de úmeros reales, lo que os lleva a la coclusió de que existe u úico úmero real X(ω) tal que X(ω) = lim X (ω) ω E c c.s.. Por tato X X. La fució X es ua variable aleatoria porque el límite de variables aleatorias es tambié ua v.a.. La siguiete Proposició os va a ser de mucha utilidad para demostrar la covergecia de sucesioes de v.a. s. Proposició La sucesió {X } 1 de v.a. s coverge c.s. a la v.a. X lim P { m=( X m X ɛ)} = 0 ɛ > 0. Como P { m=( X m X ɛ)} m= P {( X m X ɛ)}, etoces
15 8 CAPÍTULO 1. CONCEPTOS BÁSICOS Corolario m=1 P {( X m X ɛ)} < ɛ > 0 X c.s. X. (1.1) El Lema de Borel-Catelli tambié os da el resultado (1.1), pero o puede deciros ada a partir de lim P { m=( X m X ɛ)} = 0, que es ua codicio más débil. de la Proposició Sea ɛ > 0. Defiimos E (ɛ) = [ X X ɛ] para 1. Sea D = {ω Ω : X (ω) X(ω) cuado }, etoces Por lo tato, teemos que D = ɛ>0 lim sup E (ɛ) = ɛ>0 ( 1 m E m (ɛ)) = k 1 ( 1 m E m (1/k)). X c.s. X P (D) = 0 Como m= E m (ɛ) lim sup E (ɛ), etoces P (lim sup E (ɛ)) = 0 ɛ > 0. P (lim sup E (ɛ)) = lim P ( m E m (ɛ)), lo cual implica que X c.s. X lim P { m ( X m X ɛ)} = 0 ɛ > 0. Defiició 1.18 Sea {X } 1 ua sucesió de v.a. s. Decimos que X coverge e probabilidad a la v.a. X si ɛ > 0 E este caso, escribimos X P X. P { X (ω) X(ω) > ɛ} 0 cuado. Proposició Sea {X } 1 ua sucesió de v.a. s tal que X c.s. X. X P X. Etoces De la Proposició teemos que cuado X c.s. X se cumple lim P { m ( X m X ] ɛ)} = 0. Como { X X ɛ} m { X m X ɛ}, etoces se tiee que X P X.
16 1.4. PROBABILIDAD Y ESPERANZA CONDICIONALES 9 Defiició 1.19 Sea {X } 1 ua sucesió de v.a. s, tal que X L 1 1. Decimos que X coverge e media a la v.a. X L 1 si E X X 0 cuado. L E este caso escribimos X 1 X. Nota 1.20 No es difícil demostrar que la covergecia e L p (de Teoria de la Medida) implica la covergecia e media (o e L 1 ) cuado p 1. L Proposició X 1 X P X X. La demostració se sigue de la desigualdad de Markov. Para cualquier ɛ > 0, P { X X ɛ} E X X. ɛ 1.4 PROBABILIDAD Y ESPERANZA CONDICIO- NALES E los cursos básicos de probabilidad suele defiirse a la esperaza codicioal de la siguiete maera: Defiició 1.21 Si A, B I y P (B) > 0 etoces la probabilidad codicioal de A dado B es igual a P (A B) P (A B) =. P (B) Si embargo esta defiició puede extederse para el caso e el que P (B) = 0. El Teorema siguiete geeraliza la defiició aterior y el Teorema costituye la defiició geeral de la Esperaza Codicioal. Teorema Si I es sigma-álgebra y B I es fijo, etoces existe ua fució P [B ] : (Ω, ) (R, B(R)), llamada la probabilidad codicioal de B dado, tal que P (C B) = C P [B ]dp C. Si h es ua fució co las mismas propiedades que P [B ], etoces h = P [B ] P-c.s..Cuado esto último ocurre, se dice que P [B ] es esecialmete úica. Nota 1.22 A partir de ahora basta co decir que I para cosiderar a como sub σ-álgebra de I.
17 10 CAPÍTULO 1. CONCEPTOS BÁSICOS Sea λ(c) = P (C B), C. Etoces λ es absolutamete cotíua co respecto a P. Por el Teorema de Rado-Nikodym, existe ua fució f (esecialmete úica respecto a P) que cumple P (C B) = C fdp para todo C. Teorema Sea Y ua v.a. co valores e los reales extedidos y sea I. Si Y L 1, etoces existe ua fució (esecialmete úica) E[Y ] : (Ω, ) R, B(R)), llamada la esperaza codicioal de Y dado, tal que Y dp = E[Y ]dp C. C C Nótese que debido a las defiicioes ateriores se tiee que P [B ] = E[I B ] c.s.. Si λ(c) = C Y dp, para C, se tiee que λ es absolutamete cotiua respecto a P. Por el Teorema de Rado-Nikodym, existe ua fució f : Ω R, -medible, esecialmete úica respecto a P e itegrable, tal que λ(c) = fdp C. C Defiimos a f como E[Y ]. Defiició 1.23 Si X es ua v.a., defiimos a la σ-álgebra geerada por X como σ(x) = {A Ω : X 1 (B) = A, B B(R)} Nota 1.24 Alterativamete deotaremos como la esperaza codicioal de ua v.a. Y dada la σ-álgebra geerada por ua v.a. X como E[Y X], e lugar de escribir E[Y σ(x)]. Así como hemos defiido la esperaza codicioal dada ua σ-álgebra, podemos defiir la esperaza E[Y X = x], la cual es ua fució co domiio e los reales, i.e., E[Y X = x] = h(x). La demostració del siguiete Teorema-Defiició es muy similar a la del Teorema Teorema Sea X y Y ua v.a. s. Si Y L 1, etoces existe ua fució medible y esecialmete úica h : (R, B(R)) (R, B(R)) tal que para cada B B(R) Y dp = h(x)dp X (x). X B A h se le deota como h(x) = E[Y X = x]. B
18 1.4. PROBABILIDAD Y ESPERANZA CONDICIONALES 11 Sea λ(c) = X C Y dp, etoces λ es absolutamete cotíua co respecto a P X. Por el Teorema de Rado-Nikodym se tiee la coclusió. Nótese que a partir de las dos deficioes ateriores de esperaza codicioal se tiee que E[Y X] = h(x) c.s. si E[Y X = x] = h(x). U ejemplo de esta observació es: si E[Y X = x] = x 2, etoces E[Y X] = X 2. Alguas de las propiedades más importates de la esperaza codicioal se eucia a cotiuació. Propiedades Si X, Y, X 1, X 2,... so variables aleatorias y I, se tiee las siguietes implicacioes. (i) X L 1 E[X ] = X c.s. e. (ii) X 0 E[X ] 0. c.s. (iii) X, Y L 1 E[aX + by ] c.s. = ae[x ] + be[y ], a, b R. (iv) Si X, Y, X Y L 1 y si X es medible, etoces E[X Y ] c.s. = XE[Y ]. (v) y Y L 1 E[Y ] = E[E[Y ] ] = E[E[Y ] ] c.s. (vi) Si X L 1, y σ(x) y so idepedietes, etoces E[X ] = EX c.s. (vii) Si X, Y L 1 y X es idepediete de Y, etoces E[X σ(y )] = EX. (i) C E[X ]dp = C XdP C E[X ] = X, P c.s. e. (ii) C XdP 0 si X 0 C. (iii) Se sigue de la liealidad de la itegral de Lebesgue.
19 12 CAPÍTULO 1. CONCEPTOS BÁSICOS (iv) Si X = I A co A, C E[XY ]dp = C A Y dp = C A E[Y ]dp = C XE[Y ]dp. Si X = i=1 a i I Bi co a i 0 y B i i, se demuestra el resultado gracias a la liealidad de la itegral. Utilizado el Teorema de Covergecia Moótoa, se obtiee el resultado para fucioes medibles o egativas, y como X = X + X ( dode X + y X so la la parte positiva y egativa de X, respectivamete), por la liealidad de la itegral se obtiee la coclusió. (v) Nótese que A E[Y ]dp = A Y dp = A E[Y ]dp A. Se sigue E[Y ] = E[E[Y ] ] c.s.. Por otra parte, E[Y ] es ua fució -medible, y etoces medible, por lo que E[Y ] = E[E[Y ] ] c.s.. (vi) Si X = I A co A σ(x), C E[I A ]dp = C I AdP = C A dp = P (C A) = P (C)P (A) = C E(X). Por u argumeto similar al aterior, se puede cocluir que la igualdad es cierta para fucioes simples, para fucioes medibles o egativa y por ultimo para cualquier v.a.. (vii) Si A σ(x), etoces existe C B(R) tal que X 1 (C) = A, similarmete, existe D B(R) tal que Y 1 (D) = B. Por lo tato teemos que P (A B) = P [X 1 (C) Y 1 (D)] = P [X 1 (C)] P [Y 1 (D)] = P (A)P (B). La coclusió se sigue del iciso aterior.
20 Capítulo 2 LEMA DE BOREL-CANTELLI Y LEY FUERTE DE LOS GRANDES NÚMEROS E este Capítulo se expoe los resultados clásicos del Lema de Borel-Catelli (B-C) y la Ley Fuerte de los Grades Números (LFGN). Alguos de éstos se refiere a variables aleatorias que so idepedietes o idepedietes por parejas. E la primera Secció se demuestra el Lema de Borel Catelli y alguas extesioes. Además se expoe alguas de sus aplicacioes. E la seguda Secció se estudia las Ley Fuerte de Grades Números y al igual que e la primera, se expoe alguas de sus extesioes. Alguas de éstas tiee demostracioes secillas pero o puede cosiderarse más geerales que la de Kolmogórov porque requiere de codicioes de existecia de los mometos de orde superior o igual a uo. A pesar de que la LFGN de Kolmogórov sigue siedo u resultado muy fuerte, debido a que os puede proporcioar la existecia del primer mometo y la covergecia de la serie de v.a. s a éste, requiere que las variables aleatorias sea idepedietes e idéticamete distribuidas. Las versioes que se preseta e la seguda Secció, a pesar de o ser más geerales, os da alguas vetajas e cuato a la reduccio de estas hipótesis. 2.1 LEMA DE BOREL-CANTELLI So múltiples los resultados de límites e la teoría de la probabilidad que se comprueba utilizado el Lema de Borel-Catelli, el cual costa de dos partes, ua que se refiere a la covergecia y otra a la divergecia de ua sucesió de evetos. La parte de divergecia del Lema requiere de ua hipótesis de idepedecia de evetos, la cual puede ser refiada para poder geeralizar el resultado. 13
21 14 CAPÍTULO 2. LEMA DE BOREL-CANTELLI Y LFGN Lema (DE BOREL-CANTELLI) Sea (Ω, I, P ) u Espacio de Probabilidad y sea {E } ua sucesió de evetos del espacio. a) =1 P (E ) < = P (lim sup E ) = 0. (2.1) Si además los evetos so idepedietes b) =1 P (E ) = = P (lim sup E ) = 1. (2.2) Para demostrar la primera parte defiimos a E como E = lim sup E = =1 m= E m y podemos escribir E = =1F, dode F = m=e m. Etoces P (F ) = P ( m=e m ) P (E m ). m= Como =1 P (E ) < se cumple lim m= P (E m ) = 0 Notemos que F E cuado, lo cual implica P (E) = lim P (F ) = 0. Co lo que se demuestra (2.1). Para probar la seguda parte es suficiete co mostrar que pero para esto basta co verificar que P ( =1 m= E c m) = 0, P ( m=e c m) = 0 N. Como 1 x exp( x) x R etoces P ( m=em) c P ( N m=em) c = N m= P (Em) c = N (1 P (E m )) m= N exp[ P (E m )] m=
22 2.1. LEMA DE BOREL-CANTELLI 15 A partir de que m P (E m ) diverge, se tiee lim j exp[ =j m= P (E m )] = 0 etoces Asi teemos (2.2) P ( m=em) c lim exp[ N P (E m )] = 0. N m= A partir del Lema de Borel-Catelli podemos decir que si la coleccio de evetos {E } so idepedietes, etoces P (lim sup E ) = 0 P (E ) <. =1 Observemos que que es justamete la parte referete a la covergecia de evetos del Lema la que os permite euciar el Corolario 1.3.3, ya que X X c.s. si y sólo si P (lim sup X X ɛ) = 0 ɛ > 0. Alguas otras aplicacioes del Lema de Borel-Catelli, las costituye los siguietes ejemplos y el Teorema Ejemplo 2.1 Si {X } es ua sucesió de variables aleatorias e L 1, existe costates positivas c tales que X c c.s. 0. La demostració se sigue del Corolario 1.3.3, ya que para cada N existe c tal que P [ X /c > ɛ] < 1/, lo cual implica que =1 P [ X /c > ɛ] < y por lo tato c.s. X /c 0. Ejemplo 2.2 Sea A el eveto de que salga cara e el -ésimo y (+1)-ésimo lazamieto de ua moeda. Si defiimos A = lim sup A, etoces A es el eveto de que salga dos caras cosecutivas ifiitas veces. Como P (A ) = 1/4 N, etoces =1 P (A 2 ) =. Por el Lema de B-C, se tiee que P (A) = 1. Teorema Sea {X } ua sucesió de v.a. tal que X P X, dode X es v.a., etoces existe ua subsucesió {X k } {X } que cumple X k c.s. X cuado k Se observa que el Teorema aterior, es u tipo de complemeto a la Proposició
23 16 CAPÍTULO 2. LEMA DE BOREL-CANTELLI Y LFGN Como para toda ɛ > 0 teemos que P [ X X > ɛ] 0, etoces podemos escoger eteros positivos k que cumpla que P [ X k X > ɛ] 2 k para cada k 1. Etoces k=1 P [ X k X > ɛ] <. Por el Lema de Borel-Catelli se obtiee que lo que a su vez os idica que X k c.s. X. P [lim sup X k X > ɛ] = 0 A cotiuació se preseta u primer refiamieto de la parte divergete de evetos del Lema de B-C. Teorema Sea {E } ua sucesió arbitraria de evetos tal que =1 P (E ) = y j,k P (E j E k ) lim if ( 1. (2.3) k P (E k )) 2 etoces P (lim sup E ) = 1. A pesar de que este refiamieto elimia la codició de idepedecia de los evetos, es difícil de maejar cuado se quiere verificar sus codicioes. Co el objeto de realizar la demostració de este Teorema se realizará las siguietes defiicioes. Si teemos la sucesió de evetos {E i } cosideremos N = I 1 + I I, dode I i = I Ei (Fució Idicadora el eveto E i ) para 1 i. Como lim sup E = {w : sup N (w) = }, etoces P (lim sup E ) puede ser estudiado por medio de las variables aleatorias N. Supogamos que p k = P (E k ) y m = p 1 + p p. Como E[I k ] = p k etoces E[N ] = m y si m > x, por la desigualdad de Chebyshev se tiee que P [N x] P [ N m m x] Var(N ) (m x) 2. (2.4) Co estas defiicioes, procedemos etoces a la demostració. Sea θ = j,k P (E j E k ) ( k P (E k )) 2. Utilizado la otació aterior teemos que Var(N ) = EN 2 m 2 = j,k E[I j I k ] m 2 = P (E j E k ) m 2 = (θ 1)m 2 y j,k
24 2.1. LEMA DE BOREL-CANTELLI 17 por (2.4) resulta que P [N x] (θ 1)m 2 (m x) 2 para x < m. Como m 2 /{(m x) 2 } 1, etoces lim if P [N x] 0. A partir de que P [sup k N k < x] P [N x] obteemos que P [sup k N k < x] = 0. Si tomamos la uió sobre x = 1, 2,... etoces por lo que P [sup N < ] = 0, P [sup N = ] = 1 El siguiete Teorema os permite geeralizar la parte divergete del Lema de Borel- Catelli a evetos idepedietes por parejas. Teorema Sea {E } ua sucesió de evetos idepedietes por pares tal que P (E ) =, etoces P (lim sup E ) = 1. =1 A pesar de que este Teorema os permite cosiderar solamete idepedecia por parejas e lugar de idepedecia etre los evetos, su codició de idepedecia sigue siedo ua codició muy fuerte. Co el fi de realizar la demostració utilizaremos la otació aterior. Como Var(N ) = EN 2 m 2 y EN 2 = E Ii I i I j i=1 1 j i = EI 2 i + 2 EI i EI j i=1 1 j i = EI i + 2 EI i EI j + (EI i ) 2 (EI i ) 2 i=1 1 j i i=1 i=1 = (EI i ) EI i EI j + (EI i (EI i ) 2 ) i=1 1 j i i=1 = m 2 + (p i p 2 i ), i=1
25 18 CAPÍTULO 2. LEMA DE BOREL-CANTELLI Y LFGN (p i p 2 i ) m 2 etoces Var(N ) = i=1 (p i p 2 i ). Si tomamos θ = 1 + i (2.4), que i=1 (p i p 2 i ) P [N x] = (θ 1)m 2 (m x) 2 (m x). 2 teemos, utilizado Como θ 1 (m /m 2 ) y m cuado por hipótesis, etoces lim if (θ 1) 0. Co los argumetos utilizados para el caso aterior podemos cocluir que P (lim sup E ) = 1. Es imediato recoocer que el Teorema es ua geeralizació del Lema de B-C origial y a partir de la demostració de éste, teemos que si {E } es ua sucesió de evetos idepedietes por pares, etoces P (lim sup E ) = 0 P (E ) <. Si e el Lema de Borel-Catelli hacemos a u lado la hipótesis de idepedecia e la parte divergete del mismo, etoces se puede demostrar mediate cotraejemplo que =1 P (E ) = = P (lim sup E ) = 1. Ejemplo 2.3 Sea Ω = [0, 1], I la σ álgebra de Borel de Ω, P la medida de Lebesgue y E = (0, 1/) para = 1, 2,.... Claramete vemos que {E } o es ua sucesió de evetos idepedietes y que lim sup E = lim E = =1E =. Etoces P (lim sup E ) = 0, pero =1 P (E ) = =1 1/ =. 2.2 LEYES DE GRANDES NÚMEROS Las Leyes de Grades Números so resultados detro de los llamados Teoremas Límite, y su defiició (la cual se ha modificado debido a la evolució que estos ha teido) es la siguiete: las Leyes de Grades Números se refiere a la covergecia de la suma de variables aleatorias. La Ley Débil cosidera covergecia e probabilidad y la Fuerte covergecia casi segura. Alguas versioes de la Ley Débil de los grades Números tiee como cosecuecia que si observamos realizacioes de ua variable aleatoria ( grade) y dichas realizacioes so idepedietes uas de otras, etoces el promedio de los valores obteidos será muy cercao a la media de la variable aleatorias, e u alto porcetaje. La Proposició es ua Ley Débil que o requiere que las observacioes efectuadas provega de variables aleatorias co misma distribució. Proposició Sea X 1, X 2,..., X ua sucesió de v.a. s idepedietes tal que lim 2 VarX k = 0, k=1
26 2.2. LEYES DE GRANDES NÚMEROS 19 etoces g = ( X k 1 EX k )/ P 0. 1 Por la desigualdad de Chebyshev, basta demostrar que g coverge e L 2. E(g 2 ) = 2 Var(X X ) = 2 k=1 Var(X k ) 0 cuado. Como la Ley Fuerte de Grades Números se refiere a la covergecia de la suma de v.a s e forma casi segura, etoces por la Proposicio 1.3.4, se tiee que la Ley Débil de Grades Números es u caso particular de ésta. El Teorema siguiete es ua versió de la Ley Fuerte de los Grades Números, la cual requiere que las variables aleatorias perteezca a L 4. Teorema Sea {X } 1 ua sucesió de v.a.i., co cuarto mometo fiito. Supogamos que EX = µ, Var(X ) = σ 2 y E[(X µ) 4 ] = ρ para = 1, 2,.... Etoces dode S = X 1 + X X. S c.s. µ, Por la desigualdad de Markov (Proposició 1.2.3) co g(x) = x 4, se tiee que P [ ] S µ > ɛ = P [ S µ > ɛ] { } = P (X i µ) > ɛ i=1 ( 1 ) (ɛ) E 4 (X 4 i µ) i=1 1 = (ɛ) [E(X 4 1 µ) 4 + +( 1)(E(X 1 µ) 2 ) 2 ] (2.5) 1 (ɛ) 4 2 [ρ + (σ 2 ) 2 ] K 2.
27 20 CAPÍTULO 2. LEMA DE BOREL-CANTELLI Y LFGN La igualdad (2.5) se obtiee a partir de que las v.a. s so idepedietes, de que EX = µ (lo cual a su vez implica que térmios de la forma E[(X i µ) 3 (X j µ)] = 0, i j) y de que la sucesió de v.a. s tiee segudo mometo cetral y cuarto mometo cetrales costates. Como K es ua costate y =1 1/ 2 <, por el Lema de B-C o Corolario 1.3.3, cocluimos S c.s. µ. Proposició Sea {X } ua sucesió de variables aleatorias idepedietes que cumple σ 2 = Var(X ) < = 1, 2,... y =1 σ 2 <, etoces =1 (X EX ) coverge c.s.. Sea S = k=1 X k, por el Corolario aplicado a las variables aleatorias X +1 EX +1,..., X +m EX +m, dode m y N, se tiee que para toda ɛ > 0 P [ max 1 k m S +k S ES +k + ES ɛ] 1 ɛ 2 Defiimos T k = S k ES k, k = sup v 1 [ T k+v T k ] y = if k 1 k. Si tomamos límites e ambos lados de (2.6) cuado m, se tiee por lo que P [ ɛ] 1 ɛ 2 k=+1 P [ ɛ] 1 ɛ 2 σ 2 k 1, k=+1 σ 2 k. m σ+k 2 (2.6) k=1 Como k=1 σ 2 k <, etoces P [ ɛ] = 0; lo cual implica, a su vez, que la sucesió {S } es Cauchy c.s.. La coclusió se sigue de la Proposició Ates de euciar alguas otras Leyes de Grades Números, se realizará alguas defiicioes y se verificará alguos resultados importates. Lema (de Toeplitz) Sea {a } ua sucesió de úmeros reales tal que a a cuado. Etoces 1 k=1 a k a cuado.
28 2.2. LEYES DE GRANDES NÚMEROS 21 Lo que el Lema de Toeplitz os dice, es que si ua sucesió de úmeros reales coverge, etoces su media aritmética coverge al mismo límite que la sucesió origial. Como a a para ɛ > 0 sabemos que existe 0 (ɛ) tal que 0 (ɛ) a a < ɛ 2. Escogemos 0 tal que k=1 a a < ɛ 2. Si > 0 1 a k a k= k=1 < ɛ a k a + 1 k= 0 +1 a k a ɛ 2 < ɛ Lema (de Kroecker) Sea {a } ua sucesió de reales tales que 1 a <. Etoces cuado. 1 k=1 ka k 0 Sea s 0 = 0 y s = 1 a k, = 1, 2,.... Se tiee etoces 1 ka k = 1 k(s k s k 1 ) k=1 k=1 1 = s 1 k=1 s k. (2.7) La serie {s } coverge a u límite fiito s y a partir del Lema de Toeplitz, 1 1 k=1 s k s cuado Teorema Sea {X } ua sucesió de v.a.i. tales que Var(X ) = σ 2 <, = 1, 2,.... Supogamos que =1 σ 2 / 2 < y sea S = k=1 X k, = 1, 2,..., etoces la sucesió { 1 (S ES )} coverge c.s. a cero.
29 22 CAPÍTULO 2. LEMA DE BOREL-CANTELLI Y LFGN Este Teorema se deriva de la Proposició y costituye ua Ley Fuerte de los Grades Números meos restrictiva que el Teorema 2.2.2, ya que solo requiere que exista el segudo mometo cetrado y o requiere que el primer y segudo mometo cetral sea iguales para cada X N. Defiimos Y = (X EX )/, = 1, 2,.... Se sigue que EY = 0 y Var(Y ) = σ/ 2 2. Por la hipótesis, teemos =1 Var(Y ) <. De la Proposició se obtiee que =1 Y coverge c.s. y aplicado el Lema de Kroecker a la sucesió {Y } se obtiee el resultado. Defiició 2.4 Decimos que dos sucesioes de variables aleatorias {X } y {X } so equivaletes (tail-equivalet) si difiere c.s. e u úmero fiito de térmios. La codició aterior tambié se puede expresar como P [lim sup(x X ) 0] = P [X X i.o.] = 0. Defiició 2.5 Si las sucesioes de variables aleatorias {X } y {Y } coverge e el mismo eveto (excepto para evetos de medida de probabilidad cero), etoces decimos que {X } y {Y } so equivaletes e covergecia. Proposició Si {X } y {X } so dos sucesioes de variables aleatorias tales que =1 P [X X ] <, etoces las sucesioes {X } y {X } so equivaletes y las k=1 X k}, dode b, coverge e el mismo eveto al k=1 X k } y {b 1 series {b 1 mismo límite, excluyedo al eveto ulo. Por el Lema de Borel-Catelli, se tiee que P [X X i.o.] = 0. La seguda parte se sigue imediatamete. A cotiuació se preseta la Ley Fuerte de Grades Números de Kolmogorov. A diferecia de las versioes de LGN presetadas hasta ahora, la que desarrolló Kolmogórov tiee ua doble implicació, dádoos codicioes ecesarias y suficietes (referete a la covergecia de la suma estadarizada de v.a. s) para la existecia del primer mometo. Cuado la suma estadarizada de v.a. coverge o el primer mometo existe, tambié os dice cuál es el límite de covergecias de la suma de v.a. s.
30 2.2. LEYES DE GRANDES NÚMEROS 23 Teorema (Ley de los Grades Números de Kolmogórov) Sea {X } ua sucesió de variables aleatorias idepedietes e idéticamete distribuidas (v.a.i.i.d.) Sea S = k=1 X k, = 1, 2,.... Etoces la sucesió { 1 S } coverge a u límite fiito α E X 1 <. Mas aú, e ese caso EX 1 = α. Supogamos E X 1 < y X v.a. co la misma distribució que X 1. Sea E 0 = Ω y E = [ X ], = 1, 2,.... Como E etoces E = k=(e k E k+1 ), = 1, 2,... es ua uió ajea de evetos y P (E ) = P (E E +1 ). Lo que a su vez os lleva a que Como E 0 = Ω etoces Por el Lema se tiee que relació de la cual se llega a que k= P (E ) = P (E E +1 ). =1 =1 1 + P (E ) = =1 Para todo N defiimos X como Etoces = P (E ) =0 P (E 1 E ). =1 P (E ) E X 1 + P (E ), =1 =1 P (E ) <. (2.8) =1 X = X I [ X <]. Var(X) EX 2 = XdP 2 [ X <] = X 2 dp E c k 2 P (E k 1 E k ), k=1
31 24 CAPÍTULO 2. LEMA DE BOREL-CANTELLI Y LFGN a partir de lo cual teemos =1 Para k 1 se tiee que Var(X ) 2 =k = =1 k=1 k=1 k 2 2 P (E k 1 E k ) k 2 P (E k 1 E k ) k + dx 2 k x 2 = 1 k k 2 k. =k 1 2. Etoces Var(X) 2 kp (E =1 2 k 1 E k ) k=1 = 2[1 + P (E )] =1 < por (2.8). Defiimos S = k=1 Xk, = 1, 2,.... A partir del Teorema 2.2.6, aplicado a {X} podemos cocluir que S ES c.s. 0 cuado. Ahora se mostrará que 1 ES EX. Para todo N teemos que EX = X dp = XdP = E(XI E c ). [ X <] Como E c c.s. Ω, se tiee que XI E c X cuado y usado el Teorema de Covergecia Domiada de Lebesgue se cocluye que EX EX. Por el Teorema de Toeplitz se tiee que 1 ES EX. Notemos ahora que {X } y {X} so equivaletes, por lo que S S E c c.s. 0. Etoces 1 X c.s. EX cuado. Supogamos que la sucesió { 1 S } coverge c.s. a u limite fiito α. Como X = S 1 S 1 1,
32 2.2. LEYES DE GRANDES NÚMEROS 25 podemos cocluir que X c.s. 0 cuado. Gracias al Lema de B-C teemos que =1 P [ X ɛ] < para ɛ > 0. E particular, =1 P (E ) < y etoces E X <. La coclusió sigue de la primera parte del Teorema El siguiete Teorema es ua variació de la Ley Fuerte de los Grades Números, la cual o solo es elemetal, e el setido de que o utiliza la desigualdad de Kolmogórov, sio que es más aplicable porque solamete se requiere que las variables aleatorias sea idepedietes por pares. Si embargo, requiere que X 1 L 1. Por otro lado, a diferecia de las LFGN correspodietes a los Teoremas y 2.2.6, sólo requiere que exista el primer mometo, pero ecesita que las v.a. s tega la misma distribució. Teorema (Etemadi) Sea {X } ua sucesió de v.a. idepedietes por pares e idéticamete distribuidas. Si S = i=1 X i etoces teemos S E X 1 < = lim = EX 1 Como E X 1 < EX 1 + y EX1 so fiitas y X i = X i + Xi para i = 1, 2,..., si pérdida de geeralidad se puede asumir que X i 0. Sea X v.a. co la misma distribució que X 1. Sea Y i = X i I [Xi i] y sea S = i=1 Y i. Para ɛ > 0 sea k = [α ], α > 1, dode [x] represeta a la fució mayor etero meos o igual que x. Usado la desigualdad de Chebyshev teemos [ S k P ES k =1 k ] > ɛ = c = c = c 1 =1 k 2 c c 1 VarS k ɛ 2 k =1 k 2 i=1 i i=1 i=1 1 i 2 1 i 2 0 ( i 1 k=0 k+1 k=0 1 k + 1 k = cex <, c.s. = c VarY i c X 2 df (x) k+1 k=0 k k+1 k XdF (x) =1 i=1 X 2 df (x) X 2 df (x) VarS k k 2 EY 2 i i 2 dode F (x) es la fució de distribució de X 1 y c es ua costate positiva. )
33 26 CAPÍTULO 2. LEMA DE BOREL-CANTELLI Y LFGN Además teemos por el Lema de Toeplitz (Lema 2.2.4), ES k EX = lim XdF (x) = lim 0 EY = lim. k Por el Lema de Borel-Catelli y la Proposició o el Corolario obteemos etoces S k lim = EX c.s. k Además P [Y X ] = =1 = P [X > ] = df (x) =1 =1 i+1 i+1 df (x) = i df (x) =1 i= i i=1 i i+1 xdf (x) EX 1. (2.9) i=1 i Por la Proposició se tiee que Y = X c.s. e u úmero fiito de térmios y además S k lim = EX 1 c.s. k Como X i 0, etoces S es moótoa y por esta razó se puede cocluir que 1 α EX S 1 lim if lim sup S αex 1 c.s. α > 1.
34 Capítulo 3 MARTINGALAS A pricipios del presete siglo, Berstei y Lévy itrodujero el cocepto de martigalas e forma de sumas cosecutivas de variables aleatorias y aportaro alguas geeralizacioes de resultados que era relacioados a límites de suma de variables aletorias idepedietes. El ombre de martigala apareció e la literatura de la probabilidad modera e el año de 1939 y fué el tema sobre el cual el matemático Doob dió valiosos resultados durate la década de los cuaretas y pricipios de los cicuetas. La teoría de martigalas, como la misma teoría de probabilidad, tiee sus orígees e la teoría de juegos (evidecia de ésto es que la idea de martigala expresa el cocepto de u juego justo), pero el trabajo del matemático J. L. Doob fué el que cambió totalmete la direcció de la materia co su libro (1953) [5], el cual ha sido básico para el estudio del tema por casi tres décadas. Los resultados de martigalas ahora represeta ua importate herramieta, co la cual puede geeralizarse resultados que requiere de codicioes de idepedecia. 3.1 INTRODUCCIÓN Defiició 3.1 Sea {X } 1 ua sucesió de v.a. s y {I } 1 = {I } ua familia de σ-álgebras tal que I I m I, m (e este caso se dice que {I } filtració de I), para las cuales X i es I i -medible i N. Etoces {X } N, se deomia martigala, si y sólo si X i L 1 i N y X = E[X m I ] c.s. m. La sucesió {X } se llama supermartigala o submartigala si el sigo = es reemplazado por o, respectivamete. Nota 3.2 Diremos que que ua sucesió de v.a., {X }, es martigala (sub o supermartigala), si mecioar las σ-álgebras {I }, cuato éstas sea la iducidas por las primeras variables aleatorias, es decir, cuado I = σ(x 1,..., X ). 27
35 28 CAPÍTULO 3. MARTINGALAS Defiició 3.3 Diremos que la sucesió de v.a. s {X } es ua sucesió adaptada a la filtració {I } si X es I -medible para = 1, 2,.... E este caso deotaremos a {X } como {X, I } 1. Proposició Si X L 1 N, la sucesió de variables aleatorias {X, I } es ua martigala, si y sólo si X = E[X +1 I ]. Aálogamete, el resultado es cierto para supermatigalas y submartigalas. Si {X, I } es ua martigala etoces, es imediato que I I +1, X L 1 y X = E[X +1 I ]. Supogamos ahora que m >. Etoces E[X m I ] = E[E[X m I m 1 ] I ]=E[X m 1 I ]. Iductivamete se obtiee que E[X m I ] = X c.s. Si X es la gaacia e la jugada ésima, e ua partida de juego, etoces S = 1 X i es la gaacia total después de jugadas. La fortua esperada, dada la iformació de las gaacias ateriores, después de + 1 jugadas es de E[S +1 S 1,..., S ] (= E[S +1 σ(s 1,..., S )]). El juego es justo si E[S +1 S 1,..., S ] = S (martigala), ya que la gaacia esperada e el juego + 1, dada la gaacia hasta la jugada ésima, es igual a E[S +1 S S 1,..., S ] = S S = 0. Por la misma observació, se tiee que el juego es favorable si {S, σ(s 1,..., S )} es submartigala y es desfavorable si es supermartigala. Como la σ álgebra I = σ (S 1, S 2,..., S ) represeta la ifluecia del pasado al tiempo, ituitivamete I debe teer la misma iformació que σ (X 1, X 2,..., X ). Este resultado se demuestra e el Lema siguiete Lema σ (X 1, X 2,..., X ) = σ (S 1, S 2,..., S ) Como S 1 = X 1 y S = i=1 X i, S 1, S 2, S 3,... so σ (X 1, X 1 + X 2...) -medibles, σ (S 1, S 2, S 3,...) σ (X 1, X 1 + X 2...). Similarmete, X 1, X 1 + X 2, X 1 + X 2 + X 3 so σ (S 1, S 2, S 3,...)-medibles, por lo que σ (X 1, X 1 + X 2...) σ (S 1, S 2, S 3,...)
36 3.1. INTRODUCCIÓN 29 Ua propiedad importate que cumple las X i (defiidas como ateriormete) es que so ortogoales, es decir, EX i X j = 0 i j si S L 2 N. Teorema Si {S } es ua martigala y S L 2 1, etoces la sucesió {X } de v.a. s defiidas como X 1 = S 1, X = S S 1, para 2, es ua sucesió de v.a. ortogoales. Si j < k y I j = σ (S 1,..., S j ), pero E [S k S k 1 I j ] = S j S j = 0. EX j X k = E[(S j S j 1 )(S k S k 1 )] = E [[E((S j S j 1 )(S k S k 1 )) I j ]] = E [(S j S j 1 )E[S k S k 1 Ij]], Nótese que {X, I } es martigala si y sólo si A X = A X +1dP para toda A I, = 1, 2,.... Esto se sigue a partir de la Proposició y de la defiició de esperaza codicioal. Similarmete, {X, I } es submartigala si y sólo si A X dp A X +1 dp A I y es supermartigala si y sólo si A X dp A X +1 dp A I. Nota 3.4 Si A = Ω, teemos que EX es costate e ua martigala, creciete e ua submartigala y decreciete e ua supermartigala. Como ejemplo de martigala teemos: sea Y L 1 y {I } ua filtració de I y X = E[Y I ], etoces {X, I } es ua martigala. Esta afirmació se verifica fácilmete a partir de las propiedades de esperaza codicioal E[X +1 I ] = E[E[Y I +1 ] I ] = E[Y I ] = X.
37 30 CAPÍTULO 3. MARTINGALAS Teorema (Desigualdad de Jese) Si g : I R, dode I es u itervalo abierto de R, g es covexa y X es ua v.a. tal que X(ω) I para ω Ω, etoces se tiee que si EX < y I, E[g(X) ] g(e[x ]) c.s.. E particular E[g(X)] g(e[x]. Nótese que E[X ](ω) I c.s. E[X ] > a c.s. porque 0 {E[X ] a} y que si existe a R tal que X > a, etoces E[X a ]dp = {E[X ] a} (X a)dp 0 por defiició de esperaza codicioal, lo cual implica que X = a e {E[X ] a}. Se tiee etoces que P {E[X ] a} = 0. Como g es covexa, para toda y I, existe dos sucesioes de reales, {a } y {b }, tales que g(y) = sup (a y + b ). Etoces g(x) a X + b para toda. Aplicado lo que se acaba de mostrar, teemos que E[g(X) ] a E[X ] + b c.s.. Si tomamos el supremo sobre, teemos la demostració completa. Gracias a la desigualdad de Jese, podemos afirmar que si {X } es ua submartigala, tambié lo es {X + } y que si {X } es ua martigala, etoces { X r }, para r 1, es ua submartigala. Teorema (de salto de Halmos) Sea {X, I } ua submartigala y sea v.a. s defiidas como ɛ 1, ɛ 2,... ɛ k = { 1 si (X1,... X k ) B k 0 si (X 1,... X k ) / B k, dode B k B(R ), k = 1, 2,.... Sea Y 1 = X 1 y Y =X 1 + ɛ 1 (X 2 X 1 ) + + ɛ 1 (X X 1 ), para 2. Etoces {Y, I } es tambié ua submartigala y EY EX para toda. Si {X, I } es ua martigala, etoces {Y, I } tambié lo es y EY = EX.
38 3.1. INTRODUCCIÓN 31 Si reemplazamos a X por S, la gaacia después de jugadas, se tiee que, Y represeta la gaacia después de jugadas siguiedo ua estrategia de juego. Después de observar S 1,..., S 1 podemos escoger el jugar o o e el siguiete turo (ɛ 1 = 1, ɛ 1 = 0, respectivamete). E caso de que ɛ 1 (S 1,..., S 1 ) = 1, la gaacia e la jugada es de S S 1. Lo que el Teorema os dice, es que o importa la estrategia que se siga, el juego seguirá siedo favorable (justo). E[Y +1 I ] = E[Y + ɛ (X +1 X ) I ] = Y + ɛ E[X +1 X I ]. Etoces E[Y +1 I ] es mayor a Y cuado {X, I } es submartigala y es igual a Y cuado {X, I } es martigala. La seguda parte se demostrará por iducció sobre k. Como Y 1 = X 1 etoces EX 1 = EY 1. Supogamos E(X k Y k ) 0 (e igual a cero, cuado {X, I } es martigala), etoces X k+1 Y k+1 = X k+1 Y k ɛ k (X k+1 X k ) = (1 ɛ k )(X k+1 X k ) + X k Y k. La esperaza de X k+1 Y k+1 dado I, está determidada así, por la siguiete expresió E[X k+1 Y k+1 I k ] = (1 ɛ k )E[X k+1 X k I k ] + E[S k + Y k ] I k E[X k Y k I k ] = X k Y k. (3.1) Obteemos etoces que E[X k+1 Y k+1 ] E(X k Y k ) 0. (3.2) Si {X, I } es martigala, etoces se tee igualdad e (3.1) y e (3.2). Teorema (de cruce) Sea {X k, I k, k = 1,..., } ua submartigala. Si a y b so dos úmeros reales tales que a < b, defiimos U ab como el úmero de veces que las v.a. s sale del itervalo (a, b). Sea T 1 = T 1 (ω) el primer etero e {1, 2,..., } tal que X T1 a, T 2 el primer etero mayor que T 1 tal que X T2 b, T 3 el primer etero mayor que T 2 tal que X T3 a, y así sucesivamete defiimos T j, co j N. Defiimos a T i = si la codició o se satisface.
39 32 CAPÍTULO 3. MARTINGALAS Si N es la catidad de T i que so fiitas, defiimos a U ab como U ab = N/2 si N es par y U ab = (N 1)/2 si N es impar, etoces EU ab 1 b a E[(X a) + ]. Supogamos a = 0 y que X i 0 para toda i e {1,..., }. Defiimos a T i como ates y a ɛ i como 0 Si i < T 1 1 T 1 i < T 2 ɛ i = 0 T 2 i < T 3 1 T 3 i < T 4... Etoces X 1 + ɛ 1 (X 2 X 1 ) + + ɛ 1 (X X 1 ) = X 1 + X T2 X T1 + X T4 X T3 +. Si Y j = X 1 + ɛ 1 (X 2 X 1 ) + + ɛ j 1 (X j X j 1 ), j = 1,...,, etoces Y j la suma de los icremetos desde que se es igual a cero hasta que se es igual o se rebasa b, más X 1. Etoces Y b U ab. Como ɛ j puede ser expresado e térmios de X 1,..., X j, {Y k, I k, k = 1,..., } es ua submartigala (por el Teorema 3.1.5) y EY EX. Se tiee así que EU ab 1 b EY 1 b EX. E geeral, {(X k a) +, I k, k = 1,..., } es ua submartigala y el úmero de veces que {X k, I k, k = 1,..., } sale de (a, b) es el mismo de que veces que {(X k a) +, I k, k = 1,..., } sale de (0, b a). A cotiuació se preseta u Teorema de covergecia de martigalas. Teorema Sea {X } es ua martigala, si lim E X = K <, etoces lim X = X existe c.s. y E X K. Nota 3.5 Siempre podemos hablar del lim E X (auque sea a ifiito) ya que {E X } es ua sucesió creciete (Por Nota 3.4 y Desigualdad de Jese).
40 3.2. TIEMPO DE PARO Y TEOREMA DE PARO OPCIONAL 33 El subcojuto A, de Ω dode {X } o coverge es {lim sup X (ω) lim if X (ω) 0} = r1,r 2 Q{lim sup X (ω) > r 2 > r 1 > lim if X (ω)}. Si A r1,r 2 = {lim sup X > r 2 > r 1 > lim if X } para r 1, r 2 Q y U r1 r 2, es el úmero de veces que las v.a. X 1,..., X sale del itervalo [r 1, r 2 ], etoces U r1 r 2, cuado, e A r1,r 2. Por otro lado, el Teorema os dice EU r1 r 2, 1 r 2 r 1 E[(X r 1 ) + ] 1 r 2 r 1 (K + r 1 ). Estas dos afirmacioes, juto co el hecho de que K <, señala que P (A r1,r 2 ) = 0. Etoces lim sup X = lim if X c.s., es decir que el lim X existe (fiito o ifiito) co probabilidad 1. Por el Lema de Fatou, E X lim E X = K, dode lim X = X. Etoces X es itegrable y fiito c.s.. Como caso particular, podemos observar que si las v.a. so o egativas o o positivas, etoces E X = EX = costate y respectivamete y para toda. E X = EX = costate, 3.2 TIEMPO DE PARO Y TEOREMA DE PARO OPCIONAL Sea {S, I } ua martigala. Si uevamete cosideramos a S como el capital total de u jugador después de jugadas y el jugador puede decidir dejar la partida después de la τ-ésima jugada, queremos coocer lo que se puede decir de S τ, que es el capital fial. Nótese que τ debe ser ua v.a. co la propiedad de que dados S 1,..., S, se puede tomar la desició de seguir o o jugado. Defiició 3.6 Sea {I } 1 ua filtració de I. Decimos que τ es u tiempo de paro para {I } si es u mapeo τ : Ω {0, 1,..., } tal que {τ } I para cada N.
41 34 CAPÍTULO 3. MARTINGALAS Como {τ = } = {τ } {τ 1} y {τ } = 0{τ = k}, la defiició es equivalete al requerimieto de que {τ = } I para = 0, 1,.... Si {S } es ua sucesió de v.a. s, u tiempo de paro para {S } 1 es el tiempo de paro relativo a {σ(s 0, S 1,..., S )} 0. Uo de los ejemplos más importates de tiempo de paro es the hittig time o tiempo de llegada a u cojuto B. Sea {X } es ua sucesió de v.a. s y B B(R), defiimos τ(ω) = mi{ N X (ω) B} si X (ω) B para algú, τ(ω) = si X (ω) uca llega a B. τ defiida así, es u tiempo de paro para {X } 1, ya que {τ } = k {X k B} σ(x k, k ). Si {S } es ua sucesió de v.a. s, dode S represeta la fortua del jugador después de la -ésima jugada, τ es u tiempo de paro para {S } 1 y { Sj Sj (ω) si j τ(ω) (ω) = S τ(ω) (ω), si j > τ(ω), (3.3) etoces S j (ω) represeta la jugada co la estrategia de salida o tiempo de paro τ. La trasformació (3.3) se deomia como la trasformació bajo el Sistema de Paro Opcioal. Lo que el siguiete Teorema os dice, es que o importa la estrategia de salida que se siga, el juego permaaecerá siedo favorable o justo es que así era e u pricipio. El Teorema se euciará, fuera del cotexto de juegos, para {X, I } martigala. Teorema (Paro Opcioal) Supogamos que la submartigala (martigala) {X } se trasfoma segú (3.3), es decir, sea τ u tiempo de paro para {X } 1 y { Xj (ω) si j τ(ω) Y j (ω) = X τ(ω) (ω), si j > τ(ω). (3.4) Etoces {Y } es tambié ua submartigala (martigala) y EX 1 EY EX (EX 1 = EY ) para 1. Como Y es igual, por partes, a X 1,..., X, etoces E Y E X j <. 1 Supogamos que {X } es ua submartigala (martigala). Se tiee que demostrar que F Y +1 dp (=) Y dp (3.5) F
Convergencia de variables aleatorias
Capítulo Covergecia de variables aleatorias El objetivo del presete capítulo es estudiar alguos tipos de covergecia de variables aleatorias. Iiciaremos co la defiició de los distitos modos de covergecia...
Más detalles2.2. Una versión elemental de la ley fuerte de los números grandes
34 CAÍTULO 2. LEY DE LOS NÚMEROS GRANDES Demostració. or el Teorema 2.0, vemos que basta probar que ( ) 2 2E (X,k E(X,k )) = 0. La esperaza e esta expresió se puede escribir como V ar(x,k ) + or la hipótesis
Más detallesTeoremas de convergencia. Integral sobre... Convergencia... Convergencia...
covergecia este capítulo teemos como objetivo demostrar las propiedades más importates de la Itegral de Lebesgue. teemos que demostrar todavía las propiedades fudametales de liealidad y aditividad respecto
Más detallesuna sucesión de funciones de A. Formemos una nueva sucesión de funciones {S n } n=1 de A de la forma siguiente:
Tema 8 Series de fucioes Defiició 81 Sea {f } ua sucesió de fucioes de A Formemos ua ueva sucesió de fucioes {S } de A de la forma siguiete: S (x) = f 1 (x) + f 2 (x) + + f (x) = f k (x) Al par de sucesioes
Más detallesSeries de números reales
Tema 6 Series de úmeros reales 6. Series de úmeros reales. Defiició 6. Sea {a } ua sucesió de úmeros reales y cosideremos la sucesió {S }, defiida por S = a + a + + a, para cada IN, que llamaremos sucesió
Más detallesSucesiones y series de números reales
38 Matemáticas : Cálculo diferecial e IR Capítulo Sucesioes y series de úmeros reales Sucesioes Defiició 37- Llamaremos sucesió de úmeros reales a cualquier aplicació f: N R y la represetaremos por { a,
Más detallesSemana 10 [1/24] Sucesiones (II) 2 de mayo de Sucesiones (II)
Semaa 0 [/24] 2 de mayo de 2007 Sadwich de sucesioes Semaa 0 [2/24] Límites y Orde. Teorema Sea u ) y w ) sucesioes covergetes a u y w, respectivamete. Si 0 tal que para 0 se cumple que etoces u w. u w
Más detalles2 Algunos conceptos de convergencia de sucesiones de variables aleatorias
INTRODUCCIÓN A LA CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIAS Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Se puede utilizar diferetes coceptos de covergecia para las sucesioes
Más detalles4. Sucesiones de números reales
4. Sucesioes de úmeros reales Aálisis de Variable Real 2014 2015 Ídice 1. Sucesioes y límites. Coceptos básicos 2 1.1. Defiició de sucesió... 2 1.2. Sucesioes covergetes... 2 1.3. Sucesioes acotadas...
Más detallesMedida de Probabilidad
Medida de Probabilidad Memo Garro Resume E este artículo etramos de lleo e el estudio del cocepto de medida de probabilidad. Para llegar a él seguiremos dos camios complemetarios: e primer térmio, partiremos
Más detalles3.2. Teoremas de Dini
3.2. TEOREMAS DE DINI 63 3.2. Teoremas de Dii Defiició 3.11. Sea X u espacio métrico y {f } ua sucesió e C(X). Decimos que la sucesió {f } es moótoa e si para todo x X se cumple f (x) f +1 (x), 1, o bie
Más detallesSucesiones de números reales
Sucesioes de úmeros reales Defiició y propiedades Sucesioes de úmeros reales 4 4 Defiició y propiedades 47 4 Sucesioes parciales 49 43 Mootoía 50 44 Sucesioes divergetes 53 45 Criterios de covergecia 54
Más detallesSeries alternadas Introducción
Sesió 26 Series alteradas Temas Series alteradas. Covergecia absoluta y codicioal. Capacidades Coocer y aplicar el criterio para estudiar series alteradas. Coocer y aplicar el teorema de la covergecia
Más detallesSeries infinitas de números reales. Series convergentes
Series ifiitas de úmeros reales. Series covergetes Series ifiitas de úmeros reales. Series covergetes Las sucesioes de úmeros reales se itrodujero co la iteció de poder cosiderar posteriormete sus sumas
Más detallesMás sobre límites de sucesiones Sucesiones parciales. Sucesiones monótonas.
Más sobre límites de sucesioes Sucesioes parciales. Sucesioes moótoas. E u artículo aterior habíamos hablado de las sucesioes de úmeros reales y del cocepto de límite de ua sucesió. Tambié, e otro artículo,
Más detalles4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS
arte Desigualdad de Chebyshev rof. María B. itarelli 4 - DESIGULDD DE CHEBYSHE- LEY DE LOS GRNDES NUMEROS La desigualdad de Chebyshev es ua importate herramieta teórica. Etre otras aplicacioes costituirá
Más detallesClases 9-10: El proceso de Wiener y los paseos al azar: el teorema de Donsker *
Clases 9-10: El proceso de Wieer y los paseos al azar: el teorema de Dosker * 6 de oviembre de 2017 Ídice 1. Itroducció 1 2. Paseos al azar 1 3. Paseo al azar co variables gaussiaas 2 4. Paseo al azar
Más detalles) = Ln(1 + 1 n ) 1 n. Ln( n ) n tiene términos positivos y si 0 < lím n n bn. < entonces ambas series divergen o bien ambas series convergen
Criterio de Comparació Si a 0 y b 0. Si existe ua costate C > 0 tal que a Cb etoces la covergecia de b implica la covergecia de a. Ejemplo.- Sabemos que la serie coverge a, pero como (+), etoces la serie
Más detallesEstimadores Puntuales: Propiedades de estimadores Sebastián Court
Estadística Estimadores Putuales: Propiedades de estimadores Sebastiá Court 1.Motivació Cosideremos ua variable aleatoria X co ciertas características, como por ejemplo, u parámetro θ, y ua muestra aleatoria
Más detallesTarea 1 y 2. Problema 1. Calcula el supremo y el ínfimo de los siguientes conjuntos.
Cálculo Tarea y Problema. Calcula el supremo y el ífimo de los siguietes cojutos. a) A = {x : 0 x }. Es imediato que sup A = e íf A = 0. b) A = {x : 0 < x < }. Es imediato que sup A = e íf A = 0. c) A
Más detallesTEMA 4. Series de números reales. Series de Potencias.
TEMA 4 Series de úmeros reales. Series de Potecias.. Sucesió de úmeros reales Las sucesioes de úmeros reales so ua buea herramieta para describir la evolució de ua magitud discreta, y el ite surge al estudiar
Más detallesEl tema de este capítulo es el estudio de las sucesiones de números reales. Una sucesión no es más que un conjunto ordenado de números.
Capítulo 3 Sucesioes 3 Defiicioes Geerales El tema de este capítulo es el estudio de las sucesioes de úmeros reales Ua sucesió o es más que u cojuto ordeado de úmeros Por ejemplo, 2, 4, 6, 8, 0, 2,, 2,
Más detallesCálculo de límites Criterio de Stolz. Tema 8
Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que
Más detallesDepartamento de Matemáticas
MA5 Clase 3: Series de térmios positivos. Criterios de covergecia. Series de térmios positivos Elaborado por los profesores Edgar Cabello y Marcos Gozález La característica fudametal de ua serie cuyos
Más detallesFunciones Medibles e Integración
Capítulo 3 Fucioes Medibles e Itegració 3.1. Itroducció Sea X : Ω Ω dode Ω es el recorrido de X, es decir, para todo ω Ω existe ω Ω co X(ω) = ω. X determia la fució X 1 : P(Ω ) P(Ω) defiida por para A
Más detallesCriterios de Convergencia
Semaa - Clase 3 7/09/08 Tema : Series. Itroducció Criterios de Covergecia Sólo podremos calcular la suma de alguas series, e la mayoría os será imposible y os tedremos que coformar co saber si coverge
Más detallesSucesiones. f : {1,2,...,r} S. Por ejemplo, la sucesión finita, (de longitud 4) de números primos menores que 10: 2,3,5,7
Sucesioes. Defiició Sucesió Matemática Ua sucesió fiita (a k ) (de logitud r) co elemetos perteecietes a u cojuto S, se defie como ua fució y e este caso el elemeto a k correspode a f(k). f : {,,...,r}
Más detalles1. El Teorema Ergódico
El Teorema Ergódico Pablo Lessa 9 de octubre de 204. El Teorema Ergódico Algú lector puede estar pregutádose Qué tiee que ver la ley de grades úmeros co los temas tratados e la seguda secció? La coexió
Más detallesFunciones Exponencial y Logaritmo
. 9th May 2007 La fució expoecial Itroducció. Recuerdo Sabemos lo siguiete para la sucesió a = + h ) Si lim h 2, 0) etoces lim a = 0. 2 Si lim h / [ 2, 0] etoces lim a o existe. 3 Si lim h = 0 y lim h
Más detallesEJERCICIOS DE SERIES DE FUNCIONES
EJERCICIOS DE SERIES DE FUNCIONES. Campo de covergecia. Covergecia uiforme. Determiar el campo de covergecia de la serie 2 se x. Aplicado el criterio de la raíz, la serie es absolutamete covergete cuado:
Más detallesCAPÍTULO I. Conceptos Básicos de Estadística
CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia
Más detallesLa ley de los grandes números
La ley de los grades úmeros "El idicio de que las cosas estaba saliédose de su cauce ormal vio ua tarde de fiales de la década de 1940. Simplemete lo que pasó fue que etre las siete y las ueve de aquella
Más detallesProbabilidades y Estadística (M) Práctica 8 1 cuatrimestre 2012 Convergencias - Ley de los Grandes Números
robabilidades y Estadística (M) ráctica 8 cuatrimestre 22 Covergecias - Ley de los Grades Números. Ua máquia produce artículos de 3 clases: A, B y C e proporcioes 25 %, 25 % y 5 % respectivamete. Las logitudes
Más detallesConstrucción de los números reales.
B Costrucció de los úmeros reales. E el cojuto C de las sucesioes de Cauchy de úmeros racioales defiimos la relació siguiete: si (x ) =1 e (y ) =1 so dos sucesioes de C etoces (x ) =1 (y ) =1, si lím (x
Más detallesCriterios de Convergencia
Semaa - Clase 3 0/0/0 Tema : Series Criterios de Covergecia La preguta que os plateamos es la siguite: Si hacemos que N etoces la suma N k= a k, tiee u límite? Existe alguas formas de averiguarlo, a pesar
Más detallesCAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS
CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS SECCIONES A. Series de térmios de sigo variable. B. Series depedietes de parámetros. C. Ejercicios propuestos. 193 A. SERIES DE TÉRMINOS DE SIGNO VARIABLE. E
Más detallesSeries Numéricas. Una forma de definir e es a través de la suma: 1. 1 0! + 1 1! + 1 2! + 1 3! + 1 4! + + 1 n. cuyo límite es e, es decir:
Capítulo Series Numéricas Las series uméricas so sucesioes muy particulares ya que se defie (o se geera) a partir de otra sucesió. Dos ejemplos secillos aparece e la defiició de e y el la Paradoja de Zeó.
Más detallesDepartamento de Matemáticas
MA5 Clase 5: Series de potecias. Operacioes co series de potecias. Series de potecias Elaborado por los profesores Edgar Cabello y Marcos Gozález Cuado estudiamos las series geométricas, demostramos la
Más detallesSeries de potencias. Desarrollos en serie de Taylor
Capítulo 9 Series de potecias. Desarrollos e serie de Taylor E la represetació (e icluso e la costrucció) de fucioes, desempeña u papel especialmete destacado cierto tipo de series, deomiadas series de
Más detallesTALLER DE MATEMÁTICAS DESIGUALDADES
TALLER DE MATEMÁTICAS DESIGUALDADES NOTAS Es bie sabido que e el cojuto de los úmeros reales existe ua relació de orde atural : se dice que x < y cuado y x es u úmero positivo Co esta relació, el cojuto
Más detalles2x 8 x 2 1 = 4. = 2x 8 + 4x 2 4 x 2 1. Estamos calculando un límite cuando x está cerca de 3. Esto quiere decir que. x
ALGUNOS PROBLEMAS PROCEDENTES DE EXÁMENES PRECEDENTES.. problemas de ites y series. Pruebe, usado la defiició, que: x 3/ x 8 x = 4. Solució. Dado ɛ > 0 queremos que x 8 ( 4 x, sea meor que ɛ cuado x esté
Más detallesR. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series.
R. Urbá Itroducció a los métodos cuatitativos. Notas de clase Sucesioes y series. SUCESIONES. Ua sucesió es u cojuto umerable de elemetos, dispuestos e u orde defiido y que guarda ua determiada ley de
Más detallesRudimentos 5: Teorema del Binomio Profesor Ricardo Santander
Rudimetos 5: Teorema del Biomio Profesor Ricardo Satader Este capitulo esta destiado a presetar coteidos y actividades que permitirá al estudiate: Operar co simbología matemática, desarrollar expresioes
Más detallesHoja de Problemas Tema 3. (Sucesiones y series)
Depto. de Matemáticas Cálculo (Ig. de Telecom.) Curso 23-24 Hoja de Problemas Tema 3 (Sucesioes y series) Sucesioes de úmeros reales. Sea {a } N, {b } N sucesioes de úmeros reales. Demostrar o refutar
Más detallesDesigualdad entre las medias Aritmética y Geométrica
Desigualdad etre las medias Aritmética y Geométrica Jorge Tipe Villaueva Dados reales positivos a 1, a,..., a, defiimos la media aritmética de a 1, a,..., a como el úmero a 1 + a +... + a y la media geométrica
Más detallesTEORÍA DE CÁLCULO I. Para Grados en Ingeniería. Capítulo 3: Sucesiones y series. Domingo Pestana Galván José Manuel Rodríguez García
TEORÍA DE CÁLCULO I Para Grados e Igeiería Capítulo 3: Sucesioes y series Domigo Pestaa Galvá José Mauel Rodríguez García Figuras realizadas co Arturo de Pablo Martíez TEMA 3. Sucesioes y series 3. Sucesioes
Más detallesCapítulo 2. Series de números reales. 2.1 Convergencia de una serie de números reales.
Capítulo 2 Series de úmeros reales Defiició 2.0. Dada ua sucesió a, a 2, a 3,,, de úmeros reales, la sucesió S, S 2, S 3,, S, dode: S = a S 2 = a + a 2 S 3 = a + a 2 + a 3 S = a + a 2 + a 3 + + se dice
Más detallesMATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS
Defiició de límite de ua fució (segú Heie) Sea f : D R ua fució y a R (D R) Diremos que se cumple que f() L R a f( ) L si para cualquier sucesió { } D { a} tal que a Ejemplos: ) Probar que Demostració:
Más detallesCI2612: Algoritmos y Estructuras de Datos II. Espacio de probabilidad. Objetivos. Blai Bonet
CI2612: Algoritmos y Estructuras de Datos II Blai Boet Aálisis probabiĺıstico Uiversidad Simó Boĺıvar, Caracas, Veezuela Objetivos Espacio de probabilidad Ituitivamete, utilizamos la idea de probabilidad
Más detallesSucesiones de números reales
Sucesioes de úmeros reales Sucesioes Ejercicio. Prueba que si x
Más detallesSeries de términos no negativos
Tema 0 Series de térmios o egativos Vamos a presetar aquí alguos criterios útiles para estudiar la covergecia de series de térmios o egativos. Empezamos co u método básico que cosiste e comparar la serie
Más detallesResumen No Distribución Conjunta de Variables Aleatorias (contin.) Ma34a Prob. y Proc. Estocásticos 29 de Junio, 2006
Ma34a Prob. y Proc. Estocásticos 29 de Juio, 2006 Resume No. 3 Prof. Cátedra: M. Kiwi Prof. Auxiliares: A. Cotreras, R. Cortez 1. Distribució Cojuta de Variables Aleatorias (coti. Defiició 1 [Variables
Más detallesUniversidad Simón Bolıvar. Departamento de Matemáticas puras y aplicadas. Autoevaluación No. 1 MA2115 Enero 2009
Uiversidad Simó Bolıvar. Departameto de Matemáticas puras y aplicadas. Autoevaluació No. MA25 Eero 2009 I. Evaluació Teórica.. Diga la defiició de ua sucesió covergete, la defiició de ua sucesió divergete
Más detallesPROPIEDADES DE LAS SUCESIONES. Un tipo importante de sucesiones son las llamadas sucesiones monótonas.
ANÁLISIS MATEMÁTICO BÁSICO. PROPIEDADES DE LAS SUCESIONES. U tipo importate de sucesioes so las llamadas sucesioes moótoas. Defiició.. a: Ua sucesió de úmeros reales ( ) = se llama moótoa creciete si +
Más detallesIdentificación de Sistemas
Departameto de Electróica Facultad de Ciecias Eactas Igeiería y Agrimesura Uiversidad Nacioal de osario Idetificació de Sistemas Coceptos Fudametales de robabilidad Variables Aleatorias y rocesos Aleatorios
Más detallesUniversidad Nacional Autónoma de México Licenciatura en Economía Cálculo Diferencial e Integral Series Infinitas
Uiversidad Nacioal Autóoma de México Liceciatura e Ecoomía Cálculo Diferecial e Itegral Series Ifiitas El ifiito! Nigua cuestió ha comovido ta profudamete el espíritu del ser humao. David Hilbert Defiició
Más detallesAxioma 1 (Principio de inducción matemática) Sea S N con la propiedad que: a) 1 S. b) k R, k S k + 1 S. Entonces S = N.
Iducció matemática A meudo deseamos probar proposicioes de la forma N, p. Por ejemplo: 1 N, 1 + + 3 + + 1 + 1. N, + 4. 3 N, par implica par. Proposicioes y 3 se puede probar usado la técica de variable
Más detallesDefinición 13.1 Llamamos serie trigonométrica a una serie de funciones reales, de la forma. + n +ib n
ema 3 Series de Fourier. Hemos visto, e el tema 8, que alguas fucioes reales puede represetarse mediate su desarrollo e serie de potecias, lo que sigifica que puede aproximarse mediate poliomios. Si embargo,
Más detalles1 Consistencia de M-estimadores
Cosistecia de M-estimadores Supogamos que se tiee ua familia de desidades p(x; ) discreta o cotiua dode 2 R. Tomemos ua fució (x; ) : R 2 R llamemos (; ) = E ( (x; )). Supodremos que para todo 2 se cumple
Más detallesSucesiones de números reales Sucesiones convergentes: límite de una sucesión
Sucesioes de úmeros reales Sucesioes covergetes: límite de ua sucesió Tato e la educació secudaria obligatoria como e el bachillerato se habla poco de las sucesioes de úmeros reales. Si acaso se dedica
Más detallesPrograma de Acceso Inclusivo, Equidad y Permanencia PAIEP. Universidad de Santiago de Chile. Series
Programa de Acceso Iclusivo, Equidad y Permaecia PAIEP Uiversidad de Satiago de Chile Series Sea {a } N ua sucesió de úmeros reales, etoces a la expresió a + a 2 + a 3 + + a + se le deomia serie ifiita
Más detallesSucesiones I Introducción
Temas Qué es ua sucesió? Notacioes y coceptos relacioados. Maeras de presetar ua sucesió. Gráfico de sucesioes. Capacidades Coocer y compreder el cocepto de sucesió. Coocer y maejar las diferetes maeras
Más detallesbc (b) a b + c d = ad+bc a b = b a
1 Cojutos 1 Describa los elemetos de los siguietes cojutos A = { x x 1 = 0 } D = { x x 3 x + x = } B = { x x 1 = 0 } E = { x x + 8 = 9 } C = {x x + 8 = 9} F = { x x + 16x = 17 } Para los cojutos del ejercicio
Más detalles3.8. Ejercicios resueltos
3.8 Ejercicios resueltos 101 3.8. Ejercicios resueltos 3.8.1 Ua sucesió a ) se dice que es cotractiva si existe 0
Más detalles8. SUCESIONES Y SERIES NUMÉRICAS DEFINICIÓN Y EJEMPLOS SUCESIÓN CONVERGENTE TEOREMAS Y EJEMPLOS
ÍNDICE 8. SUCESIONES Y SERIES NUMÉRICAS 6 8.. DEFINICIÓN Y EJEMPLOS......................... 6 8.. SUCESIÓN CONVERGENTE........................ 6 8.3. TEOREMAS Y EJEMPLOS......................... 63 8.4.
Más detallesCoordinación de Matemática II (MAT022)
Coordiació de Matemática II (MAT0) Primer semestre de 03 Semaa 0: Lues 7 de Mayo Vieres 3 de Mayo CÁLCULO Coteidos Clase : Coordeadas paramétricas. Áreas e coordeadas paramétricas. Clase : Ejercicio y
Más detallesConvergencia absoluta y series alternantes
Istituto Politécico Nacioal Escuela Superior de Cómputo Covergecia absoluta y series alterates Uidad de apredizaje: Cálculo aplicado Grupo: CM6 Autores: Morales López Laura Adrea Otiveros Salazar Ala Erique
Más detallesEjercicios de preparación para olimpiadas. Funciones
Ejercicios de preparació para olimpiadas. Fucioes 5 de diciembre de 04. Fucioes covexas Comezamos estas otas hablado de fucioes covexas. Auque la covexidad de ua fució se puede estudiar por técicas de
Más detallesSERIES NUMÉRICAS. SECCIONES A. Series de términos no negativos. B. Ejercicios propuestos.
CAPÍTULO IX. SERIES NUMÉRICAS SECCIONES A. Series de térmios o egativos. B. Ejercicios propuestos. 40 A. SERIES DE TÉRMINOS NO NEGATIVOS. Dada ua sucesió {a, a 2,..., a,... }, se llama serie de térmio
Más detallesSucesiones 6º Ing, Mat A - Liceo Nº 3 - Profs.:Sergio Weinberger - Marcelo Valenzuela 2010
Sucesioes 6º Ig, Mat A - Liceo Nº 3 - Profs.:Sergio Weiberger - Marcelo Valezuela 200 Itroducció: Así como f es ua fució y f(x) = 2x es la image de cada x, dode f(0) = 0 y f(3) = 6, e ua sucesió la aotaremos:
Más detallesConvergencia absoluta y series alternadas
Tema 11 Covergecia absoluta y series alteradas Ua vez que dispoemos de diversos criterios de covergecia para series de térmios o egativos, abordamos el estudio de la covergecia de series de úmeros reales
Más detallesRESUMEN DE RESULTADOS IMPORTANTES ACERCA DE SUCESIONES Y SERIES
RESUMEN DE RESULTADOS IMPORTANTES ACERCA DE SUCESIONES Y SERIES MATE 3032 - DR. UROYOÁN R. WALKER. Sucesioes Teorema.. Sucesioes mootóicas acotadas coverge. Ejemplo.2. Sea {a } la sucesió deida recursivamete
Más detalles6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES
6. Sucesioes y Series uméricas 6.2. Series uméricas 6.2.. DEFINICIONES Y PROPIEDADES Series de úmeros reales Se llama serie umérica o de úmeros reales a la suma idicada de los ifiitos térmios de ua sucesió:
Más detallesCombinatoria. Tema Principios básicos de recuento
Tema 4 Combiatoria La combiatoria, el estudio de las posibles distribucioes de objetos, es ua parte importate de la matemática discreta, que ya era estudiada e el siglo XVII, época e la que se platearo
Más detallesLey de Grandes Números y Teorema Central del
Ley de Grades Números y Teorema Cetral del Límite 25 de mayo de 2017 2 Capítulo 1 Ley de grades úmeros y Teorema cetral del límite 1.1. Sucesioes i.i.d. E el capítulo aterior cosideramos variables X 1,...,X
Más detallesSeries alternadas. n n. Es decir sus términos son alternadamente positivos y negativos. Se analiza su comportamiento utilizando el siguiente teorema:
So series de la forma Series alteradas + ( ) a o ( ) a co a > = =. Es decir sus térmios so alteradamete positivos y egativos. Se aaliza su comportamieto utilizado el siguiete teorema: Teorema de Leibiz
Más detallesCálculo II (0252) TEMA 6 SERIES DE POTENCIAS. Semestre
Cálculo II (5) Semestre - TEMA 6 SERIES DE POTENCIAS Semestre - José Luis Quitero Julio Departameto de Matemática Aplicada UCV FIUCV CÁLCULO II (5) José Luis Quitero Las otas presetadas a cotiuació tiee
Más detallesINTEGRALES DE RIEMANN
NOTAS PARA LOS ALUMNOS DE ANALISIS MATEMATICO III INTEGRALES DE RIEMANN Ig. Jua Sacerdoti Departameto de Matemática Facultad de Igeiería Uiversidad de Bueos Aires 00 INDICE.- INTEGRAL..- INTRODUCCIÓN..-
Más detallesElementos de Teoria Asintotica
(wsosa@udesa.edu.ar) Uiversidad de Sa Adres El modelo lieal e otacio observacioal y i = x iβ + u i, i = 1, 2,..., x i = [ Mi Z i ] [, x i x Mi i = Z i ] [ Mi Z i ] = M 2 i Z i M i M i Z i Z 2 i M 2 x i
Más detallesSucesiones. Liceo Nº 35 - IAVA
Liceo Nº 35 - IAVA Como ya lo hemos hablado e clase, este material NO sutituye el estudio e los libros recomedados NI es el teórico del curso, simplemete es u ordeamieto de alguos coceptos y teoremas que
Más detallesEste documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!
Este documeto es de distribució gratuita y llega gracias a Ciecia Matemática www.cieciamatematica.com El mayor portal de recursos educativos a tu servicio! Cálculo: Series Fucioales. Taylor y Fourier Atoio
Más detallesPROCESOS ESTOCÁSTICOS
PROCESOS ESTOCÁSTICOS 5 ō de Matemáticas i Ídice Geeral Capítulo I: MARTINGALAS 1 Lecció 1: Martigalas a Tiempo Discreto................... 2 Lecció 2: Itegrabilidad Uiforme y Teoría de Martigalas.........
Más detallesSucesiones. Límite de una
Capítulo 3 Sucesioes. Límite de ua sucesió 3.. Itroducció La oció de sucesió es u istrumeto importate para el estudio de u gra úmero de problemas relativos a las fucioes. Ua sucesió es, simplemete, ua
Más detallesSeries de potencias. Desarrollos en serie de Taylor
Capítulo 9 Series de potecias. Desarrollos e serie de Taylor E la represetació (e icluso e la costrucció) de fucioes, desempeña u papel especialmete destacado cierto tipo de series, deomiadas series de
Más detallesLOS NUMEROS REALES. Conjunto no vacío designado como R y denominado conjunto de los números reales. En
LOS NUMEROS REALES Cojuto o vacío desigado como R y deomiado cojuto de los úmeros reales. E él se defie ua relació de igualdad = y dos operacioes algebraicas + y. Relació de igualdad Defiició: R = (a,b)
Más detalles4.- Series. Criterios de convergencia. Series de Taylor y Laurent
4.- Series. Criterios de covergecia. Series de Taylor y Lauret a) Itroducció. Series de fucioes reales. b) Covergecia de secuecias y series. c) Series de Taylor. d) Series de Lauret. e) Propiedades adicioales
Más detallesLeyes de Grandes Números
Capítulo 2 Leyes de Grades Números 2.. Itroducció Sea (X, ) ua sucesió de variables aleatorias, defiimos S = X +X 2 + +X. Decimos que esta sucesió satisface ua ley de grades úmeros si existe sucesioes
Más detallesUna sucesión es un conjunto infinito de números ordenados de tal forma que se puede decir cuál es el primero, cuál el segundo, el tercero, etc.
Sucesioes Sucesi o. Ua sucesió es u cojuto ifiito de úmeros ordeados de tal forma que se puede decir cuál es el primero, cuál el segudo, el tercero, etc. Los térmios de ua sucesió se desiga mediate a 1,
Más detallesMARTINGALAS Rosario Romera Febrero 2009
1 MARTINGALAS Rosario Romera Febrero 2009 1. Nocioes básicas De ició: Sea (; F; P ) u espacio de probabilidad y T 6= ; y sea (F t ) t2t ua ltració e F. Ua familia fx t g t2t de v.a. reales de idas sobre
Más detallesANALISIS CONVEXO CAPITULO CONVEXIDAD
CAPITULO 2 ANALISIS CONVEXO 2.1 CONVEXIDAD Bajo este título geérico, se itroduce e esta secció las ocioes de cojuto covexo, fució cócava y fució covexa. Coceptos todos ellos que juega u destacado papel
Más detallesProbabilidad FENÓMENOS ALEATORIOS
Probabilidad FENÓMENOS ALEATORIOS E el mudo real hay feómeos regidos por leyes de tipo empírico (basadas e la experiecia), lógico o deductivo, e los que el efecto está determiado por ciertas causas. El
Más detallesLaboratorio N 10, Series de Fourier. Introducción. Para funciones ( ) cos. f x está definida en la mitad del intervalo
Uiversidad Diego Portales Facultad de Igeiería Istituto de Ciecias Básicas Asigatura: Ecuacioes Difereciales aboratorio N 1, Series de Fourier Itroducció Para fucioes x,, la serie de Fourier f x cotiuas
Más detallesNo obstante, cuando intentamos hacer lo mismo con los números racionales y reales vemos que. con como lo hicimos con. es diferente de los conjuntos
Departameto de Matemáticas Guía Iducció Matemática Objetivos: Eteder el pricipio del bue orde Realizar demostracioes matemáticas por medio del pricipio de iducció matemática El pricipio del bue orde: iducció
Más detallesNOTA: EN TODO EL CAPÍTULO Usamos H para representar un espacio de Hilbert separable. la traza también se puede definir como tra = n=1
CAPÍTULO 7: DE LOS IDEALES DE LA CLASE DE TRAZA Y DE HILBERT -SCHMIDT. NOTA: EN TODO EL CAPÍTULO Usamos H para represetar u espacio de Hilbert separable. Defiició Sea A B(H) u operador positivo si {ϕ }
Más detallesConvergencia absoluta y series alternadas
Tema 11 Covergecia absoluta y series alteradas Ua vez que dispoemos de diversos criterios de covergecia para series de térmios o egativos, abordamos el estudio de la covergecia de series de úmeros reales
Más detallesTécnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20
Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra
Más detallesCálculo I (Grado en Ingeniería Informática) Examen final, enero de 2014
Cálculo I (Grado e Igeiería Iformática 03-4 Exame fial, eero de 04 PUNTUACIÓN DEL EXAMEN: P. P. P. 3 P. 4 P. 5 P. 6 TOTAL Iicial del primer apellido: NOMBRE: APELLIDOS: D.N.I. O PASAPORTE: FIRMA: Notas
Más detallesAyudantia 8 - MAT1116
Ayudatia 8 - MAT1116 14 de Septiembre del 2017 Defiició Puto Adherete: Sea X R, se dice que a es u puto adherete a X, si a = lím x co x X Defiició Clausura de u cojuto: Llamaremos clausura de u cojuto
Más detallesDeterminantes. Ramón Espinoza Armenta AVC APOYO VIRTUAL PARA EL CONOCIMIENTO
Determiates Ramó Espioza Armeta AVC APOYO VIRTUAL PARA EL CONOCIMIENTO Sea A M ( K), dode 2. El i-ésimo meor de A es la matriz A i, obteida a partir de A elimiado el regló i y la columa. Eemplo. Sea 3
Más detalles