Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 3
Facultades de Ciencias/Ingeniería/Ciencias Económicas y de Administración
Licenciatura en Estadística
Probabilidad II Primer semestre de 2024 Práctico 3
Convergencias 1. Se define una sucesión de experimentos independientes, cada uno consiste en sortear un número real al azar entre 0 y 1 con distribución uniforme. Se define la sucesión de variables aleatorias Xn := 1{[0,1/n]} (ωn ), n ≥ 1, donde ωn es el resultado del n-ésimo experimento.
a) Estudiar el límite casi seguro y en probabilidad de Xn .
b) Estudiar lo mismo para el caso en que Xn := 1{[0,1/n2 ]} (ωn ). cs 2. ¿Es posible que Xn → 0, pero E(Xn ) → ∞?
3. Supongamos que {Xn }n≥1 es una sucesión monótona no decreciente de variables alea- P torias, esto es Xn ≥ Xn+1 que tiene límite en probabilidad, Xn −→ X. Mostrar que cs Xn → X.
4. Si Xn ∼ Unif n1 , n2 , . . . , n−1
n , 1 , n ≥ 1, demostrar que Xn converge en distribución, y hallar su distribución límite. p 5. Mostrar que d2 (X, Y ) = E(X − Y )2 es una distancia en el conjunto de las variables aleatorias con momento de segundo orden finito. Verificar que d2 (Xn , Y ) → 0 implica P P Xn −→ Y , pero Xn −→ Y no implica que d2 (Xn , Y ) → 0.
6. Se define dP (X, Y ) := E(1 − exp(− |X − Y |)). Demostrar que
a) dP (X, Y ) es una distancia en el espacio de todas las v.a. reales. Para la desigual- dad triangular se sugiere usar (y demostrar) que 1 − uv ≤ 1 − u + 1 − v para todo u, v ∈ [0, 1]. b) si Y, X1 , X2 , . . . es una sucesión de v.a. reales entonces dP (Xn , Y ) → 0 si y sólo P si Xn −→ Y .
Esperanza
7. Sea X v.a. tal que P(X = k) = C/k 2 para todo k ∈ Z \ {0}, donde C es una constante. ¿Existe E(X)? Mostrar que, sin embargo, se pueden ordenar los términos {kP(X = k)} para que su suma valga 0.
8. Supongamos que Y es una variable aleatoria con distribución exponencial de paráme-
tro 1, y modela el precio de un determinado activo. Una persona contrata un seguro, para garantizarse comprar el activo a un valor fijo K > 0, en el caso que el valor del activo supere el valor K. El costo que paga por el seguro es αK, con α ∈ (0, 1). ¿Cuál es el gasto esperado que tiene la persona para hacerse del activo?
9. Sean Xn va positivas. Probar que
+∞ +∞ ! X X E Xn = E (Xn ) . n=1 n=1
10. a) Sea X una va que toma valores en Z+ . Probar que
∞ X E(X) = P(X ≥ k). k=1
b) Utilizando aproximaciones por simples, probar que si X ≥ 0 una va, entonces
Z ∞ E(X) = P(X ≥ t) dt. 0
11. Mostrar que si X es una variable aleatoria cuya función de distribución F es continua, entonces F (X) ∼ U nif (0, 1).
12. Sea X integrable, y An conjuntos disjuntos tales que A es su unión. Entonces probar que ∞ E(X 1{An } ) = E(X 1{A} ). X
n=0
13. Tenemos un espacio de probabilidad (Ω, A, P) y una muestra de variables aleatorias
{X1 , . . . , Xn }, donde Xi : Ω → R. Se define la medida empírica µn inducida por esa muestra, como 1 µn (B) = #(B ∩ {X1 , . . . , Xn }), n para todo boreliano B ⊂ R.
Verificar que para todo boreliano B ⊂ R, µn (B) es una variable aleatoria.
Calcular E(µn (B)). 1 Pn Mostrar cómo se puede escribir el promedio muestral X̄n = n i=1 Xi como una integral respecto de µn . Escribir la función de distribución empírica Fn , y escribir X̄n como una integral de Riemann-Stieljes respecto de Fn .
14. Tenemos un espacio de probabilidad (Ω, A, P) y tenemos X : Ω → [0, 1] con distribu-
ción uniforme. Sea Y = 1 − X, y sea µ(X,Y ) la medida inducida por el vector (X, Y ) en R2 . 1 9 1 9 a) Sea A = [ 10 , 10 ] × [ 10 , 10 ], calcular µ(X,Y ) (A).
2 b) Sea B = [0, 12 ] × [0, 21 ], calcular µ(X,Y ) (B). c) Sea C = [0, 1] × [ 13 , 23 ], calcular µ(X,Y ) (C).
15. Sea µ una medida en R, tal que µ({x1 }) = µ({x2 }) = µ({x3 }) = 1 y µ(B) = 0 para todo B tal que B ∩ {x1 , x2 , x3 } = ∅.
