LEI FRACA DOS GRANDES NÚMEROS

Vanderlei da Costa Bueno

Instituto de Matemática e Estatı́stica

Universidade de São Paulo, SP. Brasil

Setembro de 2020
Lei Fraca dos Grandes números

Consideremos a variável aleatória X que representa o valor

numérico de um experimento aleatório e seja X1 , X2 , ..., Xn uma
amostra aleatória de X , isto é, cópias i.i.d. de X , de tamanho n,
grande.
A Lei dos Grandes Números afirma que a média aritmética dos n
valores observados é aproximadamente igual à média de
X , µ = E [X ], quando n é grande, isto é
Pn
Xi (ω)
Xn (ω) = i=1 →n→∞ µ
n
onde ω = (ω1 , ..., ωn ), Xn (ω) = X (ωn ), ωn são os ensaios
sucessivos e w é o experimento composto.
Lei Fraca dos Grandes números

Exemplo 1
Considere que nas repetições independentes de um experimento
estamos interessados nas ocorrências de um evento A .
Definimos a sequência de variáveis aleatórias (Xn )n≥1 Xn = 1, se A
ocorreu na n-ésima realização;
Xn = 0 c.c.
Desta maneira P(Xn = 1) = P(A). Na n-ésima repetição do
experimento calculamos a frequência relativa do evento A, isto é

Σni=1 Xi
Fn =
n
lim Fn = E [X1 ] = P(A).
n→∞

O exemplo justifica o conceito frequêntista de probabilidade.

Lei Fraca dos Grandes números

Se a convergência é quase certa dizemos que a Lei é Forte, se a

convergência é em probabilidade dizemos que a Lei é Fraca.
Claramente, a Lei Forte implica a Lei Fraca dos Grandes Números.

Para provarmos a Lei Fraca dos Grandes Números usaremos a

Desigualdade de Markov:
Lei Fraca dos Grandes números

Lema 1
Seja X uma variável aleatória. Para todo ε e r , números reais
positivos com E [|X |r ] < ∞, temos

E [|X |r ]
P(|X | ≥ ε) < .
εr
Prova

Z ∞ Z Z
r r r
E [|X | ] = |x| dF (x) = |x| dF (x)+ |x|r dF (x) ≥
−∂ {|X |>ε} {|X |≤ε}
Z Z
r r
|x| dF (x) ≥ |ε| dF (x) = |ε|r P(|X | ≥ ε).
{|X |>ε} {|X |>ε}
Lei Fraca dos Grandes números

Corolário - Desigualdade de Chebyshev

Se X uma variável aleatória com média E [X ] = µ e variância
σ 2 < ∞, ∀ε > 0 temos

σ2
P(|X − µ| ≥ ε) ≤ .
ε2
Prova Segue da desigualdade de Markov
Lei Fraca dos Grandes números

Teorema 1 Lei Fraca dos Grandes Números de Chebyshev

Se (Xn )n≥1 é uma sequência de variáveis aleatórias independentes
com médias µ e variâncias σ 2 < ∞, comuns, então
Pn
Xi
Xn = i=1 →P µ.
n
Prova
Pn Segue da desigualdade
Pn de Chebyshev, desde que
Xi i=1 Xi
2
E [ i=1
n ] = µ e Var ( n ) = σn .
Lei Fraca dos Grandes números

Teorema 2 Lei Fraca dos Grandes Números para variáveis

aleatórias não correlacionadas.
Se (Xn )n≥1 é uma sequência de variáveis aleatórias não
correlacionadas, isto é, cov (Xi , Xj ) = 0, ∀i, j, com médias µ e
variâncias σ 2 < ∞, comuns, então
Pn
Xi
Xn = i=1 →P µ.
n
Lei Fraca dos Grandes números

Prova Pn
Xi
Sabemos que E [ i=1
n ] = µ.
Pn Pn
2 i=1 Xi 2 i=1 Xi − nµ
Var (Xn ) = E [(Xn −µ) ] = E [( −µ) ] = E [( )2 ] =
n n
n n n
1 X
2 1 X X
E [( Xi − nµ) ] = E {[ (Xi − µ)].[ (Xj − µ)]} =
n2 n2
i=1 i=1 j=1
Lei Fraca dos Grandes números

n n n
1 X 2
X 1 X
E [ (Xi − µ) + (Xi − µ).(Xj − µ)] = { E [(Xi − µ)2 ]+
n2 n2
i=1 i<j i=1

n n
X 1 X 2 σ2
E [(Xi − µ).(Xj − µ)]} = σ + 0 = .
n2 n
i<j i=1

Assim, pela Desigualdade de Chebyshev

E [(Xn − µ)2 ] σ2
P(|Xn − µ| > ε) = P((Xn − µ)2 > ε2 ) ≤ 2
= 2 →0
ε nε
quando n → ∞.
Lei Fraca dos Grandes números

Na realidade, somente é necessário que os Xi ’s sejam não

correlacionados assintóticamente no sentido:
lim|i−j|→∞ cov (Xi , Xj ) = 0.

Teorema 3 Lei Fraca dos Grandes Números para variáveis

aleatórias assintóticamente não correlacionadas.
Seja (Xn )n≥1 uma sequência de variáveis aleatórias
assintóticamente não correlacionadas, com média comum µ e
variâncias Var (Xi ) = σi2 < c, uniformemente limitadas por uma
constante c. Então
Pn
Xi
Xn = i=1 →P µ.
n
Lei Fraca dos Grandes números

Prova
Pela desigualdade de Chebyshev temos

Var (Xn )
P(|Xn − µ| > ε) ≤ , ∀ε > o.
ε2
Portanto é suficiente provar que limn→∞ Var (Xn ) = 0.
Pela desigualdade de Schwarz temos que ∀i, j,

|cov (Xi , Xj )| = |E [(Xi − µ).(Xj − µ)]| ≤

q
E [(Xi − µ)2 ].E [(Xj − µ)2 ] = σi σj ≤ c.

Como lim|i−j|→∞ cov (Xi , Xj ) = 0 temos que

δ
∀δ > 0, ∃m ∈ N | se |i − j| > m → |cov (Xi , Xj )| < .
2
Lei Fraca dos Grandes números

Sabemos que
n n
1 XX
Var (Xn ) = cov (Xi , Xj ) ≤
n2
i=1 j=1

1 X X
[ nc + |cov (Xi , Xj )|] ≤
n2
|i−j|≤m |i−j|>m

n.m.c n(n − m)δ 2mc

+ ≤ δ, para n ≥ .
n2 2n2 δ
Lei Fraca dos Grandes números

Teorema 4 Lei Fraca dos Grandes Números de Khintchine,

para variáveis aleatórias independentes e identicamente
distribuidas com média finita.
Seja (Xn )n≥1 uma sequência de variáveis aleatórias i.i.d. com
E [X1 ] = µ < ∞.Então
Pn
Xi
Xn = i=1 →P µ.
n
Lei Fraca dos Grandes números

Prova
Devemos provar que ∀ε > 0 e ∀δ > 0, P(|Xn − µ| > ε) ≤ δ.
δ.ε2
Sejam γ = E [|X |] e α = 12.γ . Defina a sequência de variáveis
aleatórias (Yn )n≥1

Yn = Xn se − α.n ≤ Xn ≤ α.n e 0 c.c.

R α.n
Então os Yn ’s são independentes com médias µn = −α.n ydF (y ) e
α.n
variância σn2 = −α.n y 2 dF (y ) − µ2n .
R

Claramente, se n → ∞, α.n → ∞ e µn → µ,isto é

ε
∃n0 | ∀n ≥ n0 , → |µn − µ| ≤ .
2
Lei Fraca dos Grandes números
Portanto
ε
P(|Xn − µ| > ε) = P(|Xn − µn + µn − µ| > ε) ≤ P(|µn − µ| > )+
2
ε ε
P(|Xn − µn | > ) ≤ P(|Xn − µn | > ) ≤
2 2
ε ε
P(|Xn − µn | > , Xn = Yn ) + P(|Xn − µn | > , Xn 6= Yn ) ≤
2 2
ε
P(|Yn − µn | > ) + P(Xn 6= Yn ).
2
Note que
Z α.n Z α.n
σn2 ≤ y 2 dF (y ) ≤ α.n |y |dF (y ) ≤ α.n.γ
−α.n −α.n

e pela desigualdade de Tchebyshev temos

ε 4σ 2 4.α.γ δ δ.ε2
P(|Yn − µn | > ) ≤ 2n = = , para α = .
2 nε ε2 3 12.γ
Lei Fraca dos Grandes números

Em adição temos
n
X
P(Xn 6= Yn ) = P(Xk 6= Yk ) = n.P(|X1 | ≥ n.α)
k=1
Z Z
−1
≤n dF (x) ≤ α |x|dF (x) → 0
|X |>α.n |X |>α.n

quando n → ∞.
Assim ∃n1 | P(Xn 6= Yn ) ≤ 3δ , se n ≥ n1 .
Tomando n ≥ max{n0 , n1 }, temos P(|Xn − µ| > ε) ≤ δ.