12.07.2015 Views

Capítulos 6 y 7 de Petrov. V.V, Mordecki, E. Teoría de la ...

Capítulos 6 y 7 de Petrov. V.V, Mordecki, E. Teoría de la ...

Capítulos 6 y 7 de Petrov. V.V, Mordecki, E. Teoría de la ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

26 Capítulo 7. Teorema central <strong>de</strong>l límitepara todo x real si n → ∞, dado que {Y n } verifica <strong>la</strong>s condiciones <strong>de</strong> <strong>la</strong>primer etapa <strong>de</strong> <strong>la</strong> <strong>de</strong>mostración. Esto es <strong>la</strong> tesis <strong>de</strong>l teorema.Observación. Es posible <strong>de</strong>mostrar que <strong>la</strong> convergencia en (7.1) es uniformeen el conjunto <strong>de</strong> los x reales. No es difícil verificar esta afirmacióndirectamente; es consecuencia <strong>de</strong>l teorema <strong>de</strong> Pólya: si una sucesión <strong>de</strong>funciones <strong>de</strong> distribución {G n (x)} converge a una función <strong>de</strong> distribucióncontinua G(x) para todo x, entonces, esta convergencia es uniforme en <strong>la</strong>recta real (ver ejercicio ??, capítulo 5).Veamos que el teorema límite integral <strong>de</strong> De Moivre–Lap<strong>la</strong>ce <strong>de</strong> <strong>la</strong> sección2.3, es un coro<strong>la</strong>rio <strong>de</strong>l teorema <strong>de</strong> Lin<strong>de</strong>berg–Lévy recién <strong>de</strong>mostrado.Consi<strong>de</strong>remos entonces una serie <strong>de</strong> n experimentos in<strong>de</strong>pendientes,con dos resultados posibles cada uno (éxito y fracaso), y probabilidad<strong>de</strong> éxito igual a p en cada experimento (0 < p < 1). Sea µ <strong>la</strong> cantidad<strong>de</strong> éxitos en n experimentos. Veamos como se formu<strong>la</strong> el teorema límiteintegral <strong>de</strong> De Moivre–Lap<strong>la</strong>ce en términos <strong>de</strong> variables aleatorias. Paraésto consi<strong>de</strong>remos una sucesión <strong>de</strong> variables aleatorias X 1 , X 2 , . . . , cadauna <strong>de</strong> <strong>la</strong>s cuales toma el valor 1 con probabilidad p (si ocurre un éxito) y elvalor 0 con probabilidad q = 1−p (si ocurre un fracaso). Tenemos E X k =p, var X k = pq > 0 para cada i = 1, 2, . . . . A<strong>de</strong>más, µ = ∑ nk=1 X k, porque<strong>la</strong> suma contiene tantos sumandos iguales a uno como éxitos ocurren en losprimeros n experimentos, siendo nulos los sumandos restantes. La sucesión{X n } es una sucesión <strong>de</strong> variables aleatorias in<strong>de</strong>pendientes e idénticamentedistribuidas, por lo que es aplicable el teorema <strong>de</strong> Lin<strong>de</strong>berg–Lévy. De(7.1) obtenemos, que( µ − np)P √ ≤ x − Φ(x) → 0 (n → ∞), (7.5)npquniformemente en el conjunto <strong>de</strong> los x reales, en vista <strong>de</strong> <strong>la</strong> última observación.Poniendo entonces en (7.5) primero x = b, luego x = a, y restando,obtenemos(P a < µ √ − np )≤ b − 1 ∫ b√ npq 2πae −x2 /2 dx → 0(n → ∞),uniformemente, en el conjunto <strong>de</strong> los reales a < b, que es el contenido <strong>de</strong>lteorema límite integral <strong>de</strong> De Moivre–Lap<strong>la</strong>ce.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!