Ley de los grandes números

En la teoría de la probabilidad, bajo el término genérico de ley de los grandes números se engloban varios teoremas que describen el comportamiento del promedio de una sucesión de variables aleatorias conforme aumenta su número de ensayos.

Estos teoremas prescriben condiciones suficientes para garantizar que dicho promedio converge (en los sentidos explicados abajo) al promedio de las esperanzas de las variables aleatorias involucradas. Las distintas formulaciones de la ley de los grandes números (y sus condiciones asociadas) especifican la convergencia de formas distintas.

Las leyes de los grandes números explican por qué el promedio de una muestra al azar de una población de gran tamaño tenderá a estar cerca de la media de la población completa.

Cuando las variables aleatorias tienen una varianza finita, el teorema central del límite extiende nuestro entendimiento de la convergencia de su promedio describiendo la distribución de diferencias estandarizadas entre la suma de variables aleatorias y el valor esperado de esta suma: sin importar la distribución subyacente de las variables aleatorias, esta diferencia estandarizada converge a una variable aleatoria normal estándar.

La frase "ley de los grandes números" es también usada ocasionalmente para referirse al principio de que la probabilidad de que cualquier evento posible (incluso uno improbable) ocurra al menos una vez en una serie, incrementa con el número de eventos en la serie. Por ejemplo, la probabilidad de que un individuo gane la lotería es bastante baja; sin embargo, la probabilidad de que alguien gane la lotería es bastante alta, suponiendo que suficientes personas comprasen boletos de lotería.

Ley débil

La ley débil de los grandes números establece que si X₁, X₂, X₃, ... es una sucesión infinita de variables aleatorias independientes que tienen el mismo valor esperado μ y varianza σ², entonces el promedio

$\overline{X}_n=(X_1+\cdots+X_n)/n$

converge en probabilidad a μ. En otras palabras, para cualquier número positivo ε se tiene

$\lim_{n\rightarrow\infty}\operatorname{P}\left(\left|\overline{X}_n-\mu\right|<\varepsilon\right)=1.$

Ley fuerte

La ley fuerte de los grandes números establece que si X₁, X₂, X₃, ... es una sucesión infinita de variables aleatorias independientes e idénticamente distribuidas que cumplen E(|X_i|) < ∞ y tienen el valor esperado μ, entonces

$\operatorname{P}\left(\lim_{n\rightarrow\infty}\overline{X}_n=\mu\right)=1,$

es decir, el promedio de las variables aleatorias converge a μ casi seguramente (en un conjunto de probabilidad 1).

Esta ley justifica la interpretación intuitiva de que el valor esperado de una variable aleatoria como el "promedio a largo plazo al hacer un muestreo repetitivo".

Demostración (resultado preliminar)

Demostraremos el siguiente resultado: Sea ${X_i}\,$ una sucesión de variables aleatorias independientes e integrables con $\mathbb{P}X_n=0\,$ (esperanza 0) y $\sum_i\frac{\mathbb{P}X_i^2}{i^2}<\infty\,$ ; entonces, el promedio $\frac{1}{n}\sum_{i=1}^nX_i\rightarrow 0$ casi seguramente cuando $n\rightarrow\infty\,$ . Este teorema no asume que las variables aleatorias son idénticamente distribuidas pero controla el crecimiento de las varianzas.

Para demostrar el teorema haremos uso del siguiente lema:

Desigualdad Maximal. Sean $Z_1,...,Z_N\,$ variables aleatorias independientes y sean $\epsilon_1,\,\,\epsilon _2$ y $\beta\,\!$ constantes positivas que cumplen $\mathbb{P}\{|Z_i+Z_{i+1}+...+Z_N|\le\epsilon_2\}\ge1/\beta$ para cada i. Luego

$\mathbb{P}\{ max_{i\le N}|Z_1+...+Z_i|>\epsilon_1+\epsilon_2\} \le\beta\mathbb{P}\{|Z_1+...+Z_N|>\epsilon_1\}$

Demostración del lema: Sean $S_i:=Z_1+...+Z_i\,$ y $T_i:=S_N-S_i\,$ . Definamos asimismo la variable aleatoria

$\tau = \left \{ \begin{matrix} \text{primer i para el cual } |S_i|>\epsilon_1+\epsilon_2 \\ N \,\, \text{si } |S_i|\le\epsilon_1+\epsilon_2 \,\,\text{para todo }i \end{matrix} \right .$

Tenemos entonces:

$\begin{array}{rcl} \mathbb{P}\{ max_{i\le N}|Z_1+...+Z_i|>\epsilon_1+\epsilon_2\} & = & \mathbb{P}\{\tau=i, |S_i|>\epsilon_1+\epsilon_2 \text{ para algun i}\} \\ & = & \sum_{i=1}^N \mathbb{P}\{\tau=i, |S_i|>\epsilon_1+\epsilon_2\}\quad\text{pues son eventos disjuntos} \\ & = & \sum_{i=1}^N \mathbb{P}\{\tau=i, |S_i|>\epsilon_1+\epsilon_2\}\beta\mathbb{P}\{|T_i|\le\epsilon_2\} \quad \text{hipotesis del lema} \\ & = & \beta \sum_{i=1}^N \mathbb{P}\{\tau=i, |S_i|>\epsilon_1+\epsilon_2 , |T_i|\le\epsilon_2\}\quad\text{por independencia entre los } S_i\text{ y los } T_i \end{array}$

Ahora bien, si $|S_i|>\epsilon_1+\epsilon_2\,$ y $|T_i|\le\epsilon_2$ entonces implica que $|S_i|>\epsilon_1\,$ por ende:

$\mathbb{P}\{ max_{i\le N}|Z_1+...+Z_i|>\epsilon_1+\epsilon_2\} \le \beta \sum_{i=1}^N \mathbb{P}\{\tau=i, |S_i|>\epsilon_1\} = \beta \mathbb{P}\{|Z_1+...+Z_N|>\epsilon_1\}$

con lo que se concluye el lema. (Fin demostración del lema)

Sigamos con la demostración del teorema: Definamos

$\begin{array}{rcl} S_i & := & X_1+...+X_i\\ \sigma_i^2 & := & \mathbb{P}X_i^2\,;\quad V_i := \sigma_1^2+...+\sigma_i^2=\mathbb{P}S_i^2\\ B_k&:=&{n: n_k<n\le n_{k+1}} \quad\text{donde }n_k:=2^k,\,\, k=1,2,3,... \end{array}$

Tenemos entonces que la serie $\sum_k V(n_k)/n_k^2$ es convergente pues:

$\sum_{k=1}^\infty V(n_k)/n_k^2=\sum_{k=1}^\infty\sum_{j=1}^\infty\sigma_j^2\chi_{\{j\le 2^k\}}4^{-k}=\sum_{j=1}^\infty\sigma_j^2\sum_{k=1}^\infty\chi_{\{j\le 2^k\}}4^{-k}=\sum_{j=1}^\infty\sigma_j^24^{-([\log_2j]+1)}\frac{4}{3}\le\frac{4}{3}\sum_{j=1}^\infty\sigma_j^2/j^2<\infty$

La convergencia c.t.p. que asegura el teorema es equivalente a:

$\max_{n }\frac{|S_n|}{n}\rightarrow 0 \quad \text{cuando } k\rightarrow \infty$

Por el lema de Borel-Cantelli, es suficiente demostrar que, para todo $\epsilon >0\,\!$

( 1) $\sum_k \mathbb{P}\left\{ \max_{n \in B_k}\frac{|S_n|}{n} > \epsilon \right\} < \infty$

Cada probabilidad en la suma anterior puede ser acotada por:

$\mathbb{P}\left\{ \max_{n\le n_{k+1}}|S_n|>\epsilon n_k \right\}$

Ahora se aplica la desigualdad maximal:

$\mathbb{P}\left\{ \max_{n\le n_{k+1}}|S_n|>\epsilon n_k \right\} \le \beta_k \mathbb{P} \{ |S_{n_{k+1}}|>\frac{\epsilon}{2}\, n_k\}\le \beta_k 4V(n_{k+1})/(\epsilon n_k)^2$

La última desigualdad de la línea anterior se justifica por la desigualdad de Chebyshev. Una nueva aplicación de esta misma desigualdad nos permite acotar los $\beta_k\,$ :

$\begin{array}{rcl} \beta_k^{-1}&=&\min_{n\le n_{k+1}}\mathbb{P}\{|S_{n_{k+1}}-S_n|\le\frac{\epsilon}{2} n_k\}\\ & \ge & 1- \max_{n\le n_{k+1}}\frac{4\mathbb{P}(S_{n_{k+1}}-S_n)^2}{\epsilon^2 n_k^2}\\ &\ge& 1-\frac{16\,V(n_{n_k+1})}{\epsilon^2 n_k^2}\rightarrow 1 \qquad \text{cuando }k\rightarrow \infty \end{array}$

Es decir, hemos logrado acotar cada sumando de la (1) por una constante por los términos de una sumatoria que sabemos convergente, demostrando la convergencia de dicha sumatoria y concluyendo via Borel-Cantelli la convergencia fuerte del teorema.

(Fin de la demostración) $\blacksquare$

Demostración de la ley fuerte de los grandes números (Kolmogorov)

Sea ${X_i}\,$ una sucesión de variables aleatorias independientes, integrables e idénticamente distribuidas con $\mathbb{P}X_n=0\,$ (esperanza 0), entonces, el promedio $\frac{1}{n}\sum_{i=1}^nX_i\rightarrow 0$ casi seguramente cuando $n\rightarrow\infty\,$ .

Definamos $Y_i=X_i \chi_{\{|X_i|\le i\}}\,$ y $\mu_i=\mathbb{P}Y_i\,$ . Tenemos que $0=\mathbb{P}X_i=\mu_i+\mathbb{P}X_i\chi_{\{|X_i|>i\}}$ . Además, usando la hipótesis de distribuciones idénticas, podemos en general reemplazar (no siempre) una distribución $X_i\,$ genérica por un representante, digamos $X_1\,$ . Tenemos entonces:

(1) $\left| \frac{1}{n}\sum_{i\le n} \mu_i\right| \le \mathbb{P}\frac{1}{n}\sum_{i\le n}|X_1|\chi_{\{|X_1|>i\}}\le \mathbb{P}\left \{|X_1|\min\left( 1,\frac{|X_1|}{n} \right) \right \}\rightarrow 0$

La última convergencia a cero viene dada por la convergencia puntual más convergencia dominada por $\,|X_1|$ . También tenemos que:

(2) $\begin{array}{rcl} \sum_{i=1}^\infty\mathbb{P}\{X_i\ne Y_i\} & = & \sum_{i=1}^\infty\mathbb{P}\{|X_i|>i\} \\ & = & \sum_{i=1}^\infty\mathbb{P}\{|X_1|>i\} \\ & = & \sum_{i=1}^\infty i\, \mathbb{P}{\{|X_1|>i, |X_1| \le i+1\}} \\ &\le & \mathbb{P}|X_1|<\infty \end{array}$

La tercera igualdad viene de que para cualquier variable aleatoria se cumple que:

$\sum_{i\ge 1}\chi_{\{X>i\}}=\sum_{i\ge 1}i\,\chi_{\{X>i,x\le i+1\}}$

La (2) implica, por Borel-Canteli, que el conjunto $\{X_i\ne Y_i\,, \text{para infinitos i}\}$ tiene probabilidad cero. Por lo tanto, en un conjunto de probabilidad 1 se cumple:

(3) $\left| \frac{1}{n}\sum_{i\le n}X_i-\frac{1}{n}\sum_{i\le n} Y_i \right|\rightarrow 0$

De la desigualdad $\mathbb{P}(Y_i-\mu_i)^2\le\mathbb{P}Y_i^2=\mathbb{P}(X_1^2\chi_{\{|X_1|\le i\}})\,$ podemos deducir que:

$\sum_{i=1}^\infty \frac{\mathbb{P}(Y_i-\mu_i)^2}{i^2}\le \sum_{i=1}^\infty \frac{\mathbb{P}(X_1^2\chi_{\{|X_1|\le i\}})}{i^2}= \mathbb{P}\left \{\sum_{i=1}^\infty \frac{X_1^2\chi_{\{|X_1|\le i\}}}{i^2}\right\}\le C \mathbb{P}|X_1|<\infty$

Por el teorema anteriormente demostrado tenemos:

(4) $\frac{1}{n}\sum_{i\le n}(Y_i-\mu_i)\rightarrow 0$

casi seguramente. Como además tenemos que:

$\left|\frac{1}{n}\sum_{i\le n} X_i\right|\le \left|\frac{1}{n}\sum_{i\le n} (X_i-Y_i)\right| + \left|\frac{1}{n}\sum_{i\le n} (Y_i-\mu_i)\right| +\left|\frac{1}{n}\sum_{i\le n} \mu_i\right|$

Entonces, de las ecuaciones (1), (3) y (4) se deduce que $\left|\frac{1}{n}\sum_{i\le n} X_i\right|\rightarrow 0\,$ en casi en todos los puntos, concluyendo el teorema.

(Fin de la demostración) $\blacksquare$

Véase también

Referencias

David Pollard, A user´s guide to measure theoretic probability, Cambridge University Press (2003).

Categorías:

Teoría estadística
Teoremas de probabilidad

Wikimedia foundation. 2010.

Игры ⚽ Нужен реферат?

Mira otros diccionarios:

Ley de rendimientos acelerados — En futurología e historia de la tecnología, el cambio acelerado es un incremento en la tasa de progreso tecnológico (y a veces también social y cultural) a lo largo de la historia, que podría producir cambios más rápidos y profundos en el futuro … Wikipedia Español
Los Angeles Clippers — Conferencia Conferencia Oeste División División Pacífico Fundado 1970 … Wikipedia Español
Los autos locos — (en inglés Wacky Races) es una serie de dibujos animados de la productora estadounidense Hanna Barbera Productions sobre un grupo de 11 coches de carrera que compiten entre sí en diferentes rallies, con sus pilotos intentando ganar el título de… … Wikipedia Español
Ley de Hardy-Weinberg — El principio de Hardy Weinberg para dos alelos: el eje horizontal muestra las dos frecuencias alélicas p y q, el eje vertical muestra la frecuencia de los genotipos y los tres posibles genotipos se representan por los distintos glifos. En… … Wikipedia Español
Ley de Servicios de Comunicación Audiovisual — La Ley 26.522 de Servicios de Comunicación Audiovisual es una ley que establece las pautas que rigen el funcionamiento de los medios radiales y televisivos en la República Argentina. Esta legislación fue promulgada el 10 de octubre de 2009 por la … Wikipedia Español
Ley Orgánica de Protección de Datos de Carácter Personal de España — La Ley Orgánica 15/1999 de 13 de diciembre de Protección de Datos de Carácter Personal, (LOPD), es una Ley Orgánica española que tiene por objeto garantizar y proteger, en lo que concierne al tratamiento de los datos personales, las libertades… … Wikipedia Español
Números primos gemelos — En matemáticas, y más concretamente en teoría de números, dos números primos (p, q) son números primos gemelos si están separados por una distancia de 2, es decir, si . Todos los números primos, excepto el 2, son impares. Los únicos dos números… … Wikipedia Español
Los Vengadores — Para otros usos de este término, véase Los Vengadores (desambiguación). Los Vengadores The Avengers Publicación Primera edición The Avengers #1 (Septiembre de … Wikipedia Español
Raza (clasificación de los seres humanos) — Véase también: Raza Para otros usos de este término, véase Clasificación histórica en razas humanas El término raza es utilizado para hacer definir grupos con características hereditarias comunes en los que se subdividen algunas especies animales … Wikipedia Español
Disturbios de Los Ángeles en 1992 — Saltar a navegación, búsqueda Los disturbios de Los Ángeles de 1992, también conocidos como la revuelta de Rodney King, o los disturbios de Rodney King, explotaron el 29 de abril de 1992, cuando un jurado compuesto casi completamente por blancos… … Wikipedia Español

Los diccionarios y las enciclopedias sobre el Académico

Ley de los grandes números

Contenido

Ley débil

Ley fuerte

Véase también

Referencias

Mira otros diccionarios:

Compartir el artículo y extractos

Los diccionarios y las enciclopedias sobre el Académico

Wikipedia Español

Ley de los grandes números

Contenido

Ley débil

Ley fuerte

Véase también

Referencias

Mira otros diccionarios:

Compartir el artículo y extractos

Link directo