inferencia estadistica
Convergencia
Estadística I
Curso 2011-2012
ÍNDICE
1. Introducción
2. Convergencia de variables aleatorias
3. Teorema Central del Límite
4. Distribuciones derivadas de la normal
Pagina 2
1. INTRODUCCIÓN
Sean (Ω, A , P) un espacio probabilístico y
aleatorias definidas sobre él.
ξ1, ξ 2 , …, ξn n variables
Interesa desde el punto de vista matemático y desdeel punto de vista
probabilístico estudiar las posibles relaciones existentes entre ellas y si,
bajo ciertas hipótesis pueden estudiarse conjuntamente, es decir, es
posible estudiarlas como una única variable.
La respuesta a esta pregunta nos la da el Teorema Central del Límite o los
llamados “Teoremas Centrales del Límite”; algunos de estos teoremas
expresan el hecho de que la distribución dela suma de un número muy
grande de variables aleatorias independientes, en condiciones muy
generales, se aproxima a una distribución Normal.
Estos teoremas desvelan las razones por las cuales, en muchos campos
de aplicación, se encuentran distribuciones normales.
Pagina 3
ÍNDICE
1. Introducción
2. Convergencia de variables aleatorias
3. Teorema Central del Límite
4. Distribucionesderivadas de la normal
Pagina 4
2. CONVERGENCIA DE VARIABLES ALEATORIAS
2.1. Convergencia casi segura
Sean (Ω, A , P) un espacio probabilístico y
ξ1, ξ 2 , …, ξn n variables
aleatorias definidas sobre él, no necesariamente independientes, diremos
que la sucesión
aleatoria
{ξn }n∈N converge casi seguramente hacia la variable
ξ , definida también sobre (Ω, A , P)
c.s.
ξ. n
→ ξ , si y sólo si
y escribiremos así
.
P lim ξ n = ξ = 1
n→ ∞
Pagina 5
2. CONVERGENCIA DE VARIABLES ALEATORIAS
2.2. Convergencia en probabilidad
Sean (Ω, A , P) un espacio probabilístico y
ξ1, ξ 2 , …, ξn n variables
aleatorias definidas sobre él, no necesariamente independientes, diremos
que la sucesión
aleatoria
{ξn }n∈N
converge en probabilidadhacia la variable
ξ , definida también sobre (Ω, A , P)
p
ξ. n →
ξ , si y sólo si
∀ε > 0
y escribiremos así
.
(
)
lim P ξ n − ξ < ε = 1
n→∞
Pagina 6
2. CONVERGENCIA DE VARIABLES ALEATORIAS
2.3. Convergencia en distribución
Sean (Ω, A , P) un espacio probabilístico y
ξ1, ξ 2 , …, ξn n variables
aleatorias definidas sobre él, no necesariamenteindependientes, diremos
que la sucesión
aleatoria
{ξn }n∈N
converge en distribución hacia la variable
ξ , definida también sobre (Ω, A , P)
y escribiremos así
d
ξ. n →
ξ , si y sólo si la correspondiente sucesión de funciones de
distribución de las ξ n, {Fn }n∈N , converge hacia la función de distribución F
de la variable aleatoria ξ en todo punto x de continuidad de la función:
∀ x/ F( x + ) = F( x + ) = F( x ) ⇒ lim Fn ( x ) = F( x )
n→ ∞
Pagina 7
2. CONVERGENCIA DE VARIABLES ALEATORIAS
2.4. Convergencia en media de orden r
Sean (Ω, A , P) un espacio probabilístico y
ξ1, ξ 2 , …, ξn n variables
aleatorias definidas sobre él, no necesariamente independientes, diremos
que la sucesión
{ξn }n∈N
variable aleatoria
ξ , definida también sobre (Ω, A , P)y escribiremos así
converge en media de orden r > 0 hacia la
mr
ξ. n →
ξ , si y sólo si
.
r
lim E ξ n − ξ = 0
n→ ∞
Pagina 8
2. CONVERGENCIA DE VARIABLES ALEATORIAS
2.5. Relaciones entre los tipos de convergencia
Sean (Ω, A , P) un espacio probabilístico y
ξ1, ξ 2 , …, ξn n variables
aleatorias definidas sobre él, no necesariamente independientes,entonces:
i. la convergencia casi segura implica la convergencia en probabilidad:
c.s.
ξ n
→ ξ
p
ξ n →
ξ
⇒
ii. la convergencia en media de orden r implica la convergencia en
probabilidad:
mr
ξ n →
ξ
iii. la
p
ξ n →
ξ
⇒
convergencia
en
probabilidad
implica
la
convergencia
en
distribución:
p
ξ n →
ξ
⇒
d
ξ n →
ξ...
Regístrate para leer el documento completo.