Escolar Documentos
Profissional Documentos
Cultura Documentos
Jun - 2012
Sumário
1 Tipos de Convergência 2
1.1 Convergência em Probabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Convergência Quase Certa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1 Borel-Cantelli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Convergência em Distribuição . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4 Teoremas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.5 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4 Apêndice 8
4.1 Resumo - Desigualdades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.2 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1
Capı́tulo 1
∞
P
2. P (An ) = ∞ ⇒ P (”An ocorrer infinitas vezes”) = 1
n=1
An = ”O macacon digitou todas as obras de Shakespeare sem erro”; P (An ) = p > 0. Supondo que o
∞
P ∞
P
desempenho de um macaco é independente do desempenho de outro macaco. Como P (An ) = p=∞
n=1 n=1
⇒ infinitos macacos conseguirão! Pois P(An ocorrer infinitas vezes) = 1.
2
1.3 Convergência em Distribuição
Uma sequência de va’s (Yn )n≥1 com função de distribuição FYn converge em distribuição para Y , cuja função
de distribuição é FY , se: lim FYn = FY (em todos os pontos de continuidade de F.)
n→∞
D
- Notação: Yn −→ Y
q.c P D
Pode-se mostrar que: Yn −−→ Y ⇒ Yn −
→ Y ⇒ Yn −→ Y.
- obs:
• lim (P (|Yn − Y )| > )) = 0 (convergência em probabilidade);
n→∞
1.4 Teoremas
D n→∞
1. Xn −→ X ⇒ E[g(Xn )] −−−−→ E[(g(X)] para g(.) contı́nua e limitada;
(
Ψ é função caracterı́stica de uma va X;
2. lim ΨXn (t) = Ψ(t) e Ψ é contı́nua em t = 0 ⇒ D
n→∞ Xn −→ X.
Além disso,
D n→∞
Xn −→ X ⇔ ΨXn (t) −−−−→ ΨX (t) e ΨX é contı́nua em t = 0.
1.5 Exercı́cios
Xn
- Exercı́cio 1: Seja X1 , X2 , ... uma sequência de va’s iid’s expo(1). Defina a sequência Yn = ln(n) , n ≥ 2.
P q.c
Mostre que Yn −
→ 0 e Yn −−→ 0
1
- Exercı́cio 2: X1 , ..., Xn , ... é sequência de va’s independentes tais que P(Xn = 1) = n e P (Xn = 0) =
1 P q.c
1− n. Vimos que Xn −
→ 0. Mas Xn −−→ 0 ?
- Exercı́cio 3: X1 , ..., Xn , ... sequência de va’s iid’s da U(0,1). Seja Yn = n−xn . Mostre que
P
Yn −
→ 0, n > 1.
n→∞ D
- Exercı́cio 4: Se Xn ∼ Bin(n,pn ), onde n.pn −−−−→ λ, então Xn −→ P oisson(λ)
- Exercı́cio 5: (Xn )n≥1 sequência de va’s independentes U(0,1). Para qual distribuição converge a
sequência Yn = n(1 − X(n) )?
3
Capı́tulo 2
Seja E um experimento com um espaço amostral Ω e uma va associada. Realizando o experimento n ve-
zes (independentemente) teremos uma sequência (Xn )n≥1 (amostra aleatória). A LGN diz que: ”A média
aritmética de X1 , ..., Xn se aproxima de E(X) quando n cresce.”
Seja X1 , X2 ,... uma sequência de va’s com E(Xi ) < ∞ e defina S1 , S2 , ... a sequência de somas parciais,
n
P
isto é, Sn = Xi . Assim:
i=1
Sn −E(Sn ) P
1. (Xn )n≥1 satisfaz a lei fraca dos grandes números (LFr GN) se, n −
→0
Sn −E(Sn ) q.c
2. (Xn )n≥1 satisfaz a lei forte dos grandes números (LFo GN) se, n −−→ 0
P q.c
X̄n −
→ E(X) (LFr GN) ; X̄n −−→ E(X) (LFo GN)
(∗)
obs: ∃ k, (k ∈ R) | Var(Xi ) ≤ k, ∀i
(∗∗)
lim P (| Sn −E(S
n
n)
− 0| > ) = 0, ∀ > 0
n→∞
n
P
V ar(Xi )
V ar( Snn ) V ar(Sn )
P (| Snn − E( Snn )| > ) ≤ 2 = n2 2 = i=1
n2 2 ≤ nk
n2 2 = k
n2
4
k n→∞ (∗∗)
Como n2 −−−−→ 0, temos que vale. Logo, satisfaz a LFr GN.
2. Khintchin: Seja uma sequência de va’s iid’s com E(Xi ) < ∞. Então (Xn )n≥1 satisfaz a LFr GN.
- Exemplo: Sejam X1 , ..., Xn , ... va’s iid’s Poisson(λ). Qual o limite em probabilidade das sequências
abaixo?
2. 2a lei de Kolmogorov: Seja uma sequência de va’s iid’s com E(Xi ) < ∞. Então a sequência (Xn )n≥1
satisfaz a LFo GN.
- Exemplo: Seja o experimento ”lançar uma moeda honesta e observar a face resultante”. Defina a
n
P
Xi
1, se for cara i=1
va X = Suponha que o experimento é repetido indefinidamente e defina X̄n = n .
0, c.c
Para onde converge X̄n ? Qual o tipo de convergência?
5
Capı́tulo 3
n
Seja uma sequência de va’s iid’s X1 , X2 , ... com E(X) = µ e V ar(x) = σ 2 . Defina Sn =
P
Xi , então:
i=1
Sn −E(Sn ) D
√ −→ N (0, 1)
V ar(Sn )
D
√n −E(Sn ))/n =
Note: (S −µ
X̄n√
σ/ n
−→ N(0,1)
V ar(Sn )/n
3.1.1 1◦ caso: µ = 0
−t2
É preciso mostrar que Ψ Sn
√
(t) → e 2 .
σ n
6
3.1.2 2o caso: µ qualquer
E[Yi ] = 0;
V ar[Yi ] = σ 2 ;
n
P n
P
(Xi −µ) Yi
n
Sn −E[Sn ]
√ = √ i=1
P
= n=1
√
nσ 2
, onde Yi = Xi − µ ⇒ E[ Yi ] = 0;
V ar[Sn ] V ar[Sn ] i=1
n
V ar[ Yi ] = nσ 2 .
P
i=1
Sn −E[Sn ] D
√ −→ N(0,1)
V ar[Sn ]
D D
• Xn −→ X ⇒ g(Xn ) −→ g(X)
P P
• Xn −
→ X ⇒ g(Xn ) −
→ g(X)
q.c q.c
• Xn −−→ X ⇒ g(Xn ) −−→ g(X)
- Exemplos:
1. E(Xi ) = µ; X1 , X2 , ... é sequência de va’s i.i.d’s não-negativas que satisfaz a lei forte dos grandes
números.
n
Q 1
lim ( Xi ) n → ?
n→∞ i=1
2. X1 , X2 , ... é sequência de va’s iid’s com E(Xi ) = 1 e V ar(Xi ) = 1. Encontre o limite abaixo:
n
P
Xi
P
Yn = si=1 −
→ ?
n
Xi2
P
n
i=1
t→∞
3. G(t, λ) −−−→ normal. Por quê?
5. Pense: Por que podemos aproximar uma distribuições como a Gama e a Poisson por distribuições
Normais?
7
Capı́tulo 4
Apêndice
σ2
• P (X ≥ k) ≤ σ 2 +k2 (Tchebychev unilateral, X é va com média zero e variância σ 2 )
V ar(X)
• P (|X − E(X)| ≥ k) ≤ k2 (Tchebychev, X é va qualquer)
E(|X|t )
• P (|X| ≥ k) ≤ kt , ∀t > 0 (Markov, X é va qualquer)
4.2 Exercı́cios
1. E(X) = 16, Var(X) = 9; Encontre uma cota inferior para a P (10 ≤ X ≤ 22)
2x, 0 ≤ x ≤ 1
2. f(x) = , onde Xi = ”tempo de vida de um componente”.
0, c.c
n
n 1
P
Sn = Xi , r = lim = lim
i=1 n→∞ Sn n→∞ X̄
20
1
P
3. Xi ∼ Exp(5) ⊥ Yi ∼ Exp( 0,3 ). Se Wi = Xi + Yi , então P ( Wi ≤ 8) ≈ ?
i=1