la ley de los grandes números
DESCRIPTION
La ley de los grandes números. " El indicio de que las cosas estaban saliéndose de su cauce normal vino una tarde de finales de la década de 1940. Simplemente lo que pasó fue que entre las siete y las nueve de aquella tarde el puente de Triborough - PowerPoint PPT PresentationTRANSCRIPT
![Page 1: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/1.jpg)
1
La ley de los grandes números
"El indicio de que las cosas estaban saliéndose de su cauce normal vino una tarde de finales de la década de 1940. Simplemente lo que pasó fue que entre las siete y las nueve de aquella tarde el puente de Triborough tuvo la concentración de tráfico saliente más elevada de su historia".
Comienzo del relato corto "La Ley" de Robert M. Coates
![Page 2: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/2.jpg)
2
Suma de variables aleatorias discretas
Supongamos que X e Y son dos variables aleatorias discretas e independientes con funciones de distribución p1(x) y p2(y) respectivamente. Sea Z = X + Y, ¿cómo será la función de distribución de Z, p3(z)?
Puesto que el evento Z = z es la unión del par de eventos disjuntos: (X = k) e (Y = z - k), tendremos:
k
kzYPkXPzZP )()()( 213
Decimos que p3(x) es la convolución de p1(x) y p2(x):
p3(x) = p1(x) * p2(x)
![Page 3: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/3.jpg)
3
k
kjpkpjp )()()( 213
Convolución
La convolución es una operación conmutativa y asociativa.
Visto lo visto, es "fácil" demostrar por inducción cómo será la suma de n variables aleatorias independientes:
nn XXXS ...21
nnn XSS 1
teniendo en cuenta que:
![Page 4: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/4.jpg)
4
Veamos un ejemplo: Supongamos que lanzamos un dado dos veces. Sea el resultado del primer lanzamiento la variable aleatoria X1 y del segundo, la variable aleatoria X2 , ambas con la misma distribución de probabilidad que llamaremos m(x). Calculemos la función de distribución de probabilidad para S2 = X1 + X2.
k
ksXmkXmsSP )()()( 212
(....)
![Page 5: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/5.jpg)
5
Si quisiéramos calcular S3 = X1 + X2 + X3 , tendríamos:
(...)
Este es el resultado gráfico para la suma S10 de 10 dados.
![Page 6: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/6.jpg)
6
Y estos son los resultados gráficos para las sumas S20 y S30 de 20 y 30 dados, respectivamente.
Observemos que, a medida que aumenta el número de dados, tenemos una curva que se aproxima más y más a una campana de Gauss, a una normal.
Veremos por qué más adelante, cuando hablemos del teorema central del límite.
![Page 7: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/7.jpg)
7
Suma de variables aleatorias continuas
Si X e Y son dos variables aleatorias continuas e independientes con funciones densidad de probabilidad f(x) y g(x) respectivamente, la variable aleatoria Z = X + Y, tendrá como densidad de probabilidad la convolución de f y g:
dxxfxzg
dyygyzfzgf
)()(
)()())((
![Page 8: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/8.jpg)
8
Suma de dos variables aleatorias uniformesindependientes
Dos distribuciones uniformes U(0,1).
Obtenemos la densidad de probabilidad de la suma de las dos variables por convolución de sus densidades.
![Page 9: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/9.jpg)
9
1
0)()( dyyzfzf XZ
Observa que, como X e Y varían entre 0 y 1, su suma Z variará entre 0 y 2.
![Page 10: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/10.jpg)
10
Convolución de dos densidades de probabilidad uniformes U(0,1).
![Page 11: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/11.jpg)
11
Suma de dos variables aleatorias exponenciales independientes
Dos densidades de probabilidadexponenciales Exp(λ).
Obtenemos la densidad de probabilidad de la suma de las dos variables por convolución de sus densidades.
![Page 12: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/12.jpg)
12
Convolución de dos densidades de probabilidad exponenciales Exp(λ).
![Page 13: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/13.jpg)
13
Suma de dos variables aleatorias normales independientes
Dos densidades de probabilidad normalestipificadas N(0,1).
![Page 14: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/14.jpg)
14
Obtenemos la densidad de probabilidad de la suma de las dos variables por convolución de sus densidades.
Normalización de N(0, √2)
El resultado es una normal de media 0 y varianza 2, N(0,2)
![Page 15: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/15.jpg)
15
Suma de n variables aleatorias independientes
nn XXXS ...21
nnn XSS 1
Teniendo en cuenta que:
)()(212xffxf XXS
Y que:
Tendremos para n variables aleatorias independientes:
)(...)(21
xfffxfnn XXXS
Recuerda que la convolución es una operación conmutativa y asociativa.
![Page 16: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/16.jpg)
16
Suma de n uniformes
![Page 17: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/17.jpg)
17
Suma de n normales
![Page 18: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/18.jpg)
18
Suma de n exponenciales
![Page 19: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/19.jpg)
19
Teorema central del límiteEn condiciones muy generales la suma de n
variables aleatorias , independientes e idénticamente distribuidas con media μ y varianza distinta de cero σ2, tiende a la distribución normal
a medida que n tiende a infinito.
nn XXXS ...21
Otra manera de enunciarlo: bajo las mismas condiciones, si n es suficientemente grande
se distribuye como una normal N(μ, σ2/n)
![Page 20: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/20.jpg)
20
22)( xP
Desigualdad de Chebyshev (1821-1894)
Una varianza pequeña indica que las desviaciones grandes alrededor de la media son improbables. La desigualdad de Chebyshev hace precisa esta impresión:
21)( kkxP
O bien, haciendo: kPafnuti Lvovic Cebicev (1821-1894)
![Page 21: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/21.jpg)
21
Demostración:
dxxfxdxxfx
x)()( 222
xx
dxxfdxxf )()( 22
xP
xP22
Para el caso discreto la demostración es semejante.
![Page 22: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/22.jpg)
![Page 23: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/23.jpg)
23
1lim
:eequivalent formadeo
0lim
nSP
nSP
n
n
n
n
Ley de los grandes números (en forma débil)
Sean X1, X2, ..., Xn variables aleatorias independientes, con la misma distribución (misma media μ y varianza σ2). Entonces, para Sn = X1 + X2 + ... + Xn y cualquier real > 0:
«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». Wikipedia
![Page 24: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/24.jpg)
24
Demostración:
1lim
:eequivalent forma de o
0lim
;
2
2
2
2
2
nSP
nSP
nnSP
nn
nSE
nnn
nSVar
n
n
n
n
n
nn
Usando la desigualdad de Chebyshev y fijado un épsilón:
![Page 25: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/25.jpg)
25
Observa que Sn/n es un promedio y por eso a la ley de los grandes números suele conocerse también como ley de los promedios.
Hemos visto su "forma débil". En su "forma fuerte" nos dice que si repetimos el lanzamiento de una moneda, la proporción de caras se aproxima más y más a 1/2 a medida que aumentamos el número de lanzamientos.
Si Sn es el número de caras en n lanzamientos, la ley fuerte de los grandes números dice que cuando n tiende a infinito:
121
nSP n
![Page 26: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/26.jpg)
26
En las gráficas se ha marcado con puntos las probabilidades comprendidas entre 0.45 y 0.55.
Vemos como a medida que n crece la distribución se concentra más y más alrededor de 0.5 y el porcentaje de área correspondiente al intervalo (0.45, 0.55) se hace más y más grande.
Distribuciones para el número de caras en n lanzamientos de una moneda.La ley de los grandes números predice que el porcentaje de caras para n grande estará próximo a 1/2.
![Page 27: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/27.jpg)
27
Supongamos que tomamos al azar n números del intervalo [0,1] con una distribución uniforme. Si la variable aleatoria Xi describe la elección i-ésima, tenemos:
nnnSVar
nSE
XVarXE
nn
ii
121;
21
121;
21
2
2
De modo que, para cualquier > 0, tendremos:
22
2
121
nn
SP n
Es decir, si escogemos al azar n números del intervalo [0,1], las probabilidades son mejores que 1 - 1/(12n2) de que la diferencia |Sn/n - 1/2| sea menor que .
![Page 28: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/28.jpg)
28
Gráficos semejantes al caso del lanzamiento de n monedas anterior, pero ahora con la suma de n valores independientes tomados de una U(0,1). Rigen los mismos comentarios.
![Page 29: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/29.jpg)
29
Una aplicación al Método de Monte Carlo
Sea g(x) una función continua definida en el intervalo [0,1] y con imagen en [0,1].Vimos cómo estimar el área bajo la función, su integral, generando pares de números (x,y) al azar.
Existe una forma más eficiente de calcular la integral basándose en la ley de los grandes números.
![Page 30: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/30.jpg)
30
Escojamos una gran cantidad de números Xn al azar del intervalo [0,1] con densidad uniforme. Definamos Yn = g (Xn). El valor esperado de Yn es una estimación del área.
1)()(
)()()()(1
0
222
1
0
1
0
dxxgYE
dxxgdxxfxgYE
n
n
Como el dominio y la imagen de g(x) son el intervalo [0,1], la media μ estará en [0,1] también y |g(x)- μ| ≤ 1.
22
221 1...
nnnYYYP n
Que podemos leer como: la diferencia entre el área estimada y la real, el error que cometemos, es mayor que épsilon con probabilidad 1/n2.
![Page 31: La ley de los grandes números](https://reader036.vdocumento.com/reader036/viewer/2022062310/568165fe550346895dd92ffb/html5/thumbnails/31.jpg)
31