TEOREMA DE BERNOULLI GENERALIZADO - fi.mdp.edu.ar · TEOREMA DE BERNOULLI GENERALIZADO Dada una...
Click here to load reader
Transcript of TEOREMA DE BERNOULLI GENERALIZADO - fi.mdp.edu.ar · TEOREMA DE BERNOULLI GENERALIZADO Dada una...
TEOREMA DE BERNOULLI TEOREMA DE BERNOULLI
GENERALIZADOGENERALIZADO
Dada una sucesión 1 2 3, , ,..... nx x x x
dos a dos independientes, con una
misma distribución de probabilidad y con
esperanza µ y varianza 2σ Se verifica que esperanza µ y varianza σ Se verifica que
0ε∀ >
El límite, en probabilidad, de la media muestral para
n → ∞ es igual a su esperanza matemática
1 0n n
P x ó P xlím límµ ε µ ε→∞ →∞
− ≤ = − > =
Demostración
1 2 3, , ,..... nx x x x
Son variables aleatorias independientes de una variable X
con esperanza y varianza iguales. 2( ) ( )i iE x y V xµ σ= =n
ixx
n= ∑ Es una función de 1 2 3, , ,..... nx x x x
1i
xn=
= ∑
Por lo tanto es otra variable aleatoria.
( ) ( )1 1
1 1. .
n ni
ii i
xE x E E x n
n n nµ µ
= =
= = = =
∑ ∑
( ) ( )2
2
2 21 1
1 1. .
n ni
ii i
xV x V V x n
n n n n
σσ
= =
= = = =
∑ ∑
Aplicando la desigualdad Aplicando la desigualdad de Tchebyshevde Tchebyshev
Consideramos
22
2.
nk k
n
σ εε
σ= ⇒ =
�
2
1. 1-P x k
kn
σµ
− ≤ ≥ �
2
1. 1-P x k
nn
σµ
ε
− ≤ ≥ �
2knε
�
2
2
nnε
ε
σ
�
2
2. 1-P x k
nnε
σ σµ
ε
− ≤ ≥
2
2< ó P x
n
σµ ε
ε − >
Aplicando Límite para n Aplicando Límite para n tendiendo a infinitotendiendo a infinito
2
2n n
P 1xlím límn
σµ ε
ε→∞ →∞
− ≤ ≥ −
n
P 1xlím µ ε→∞
− ≤ =
El teorema se puede generalizar a variables
aleatorias con distintas esperanzas y varianzas.
n→∞
n
0 P 0ó xlímε µ ε→∞
∀ > − > =
SUMA DE VARIABLES SUMA DE VARIABLES ALEATORIASALEATORIAS
Teorema del límite Teorema del límite centralcentral
El teorema afirma que, con ciertas restricciones leves, la distribución de la suma de un gran número de variables
aleatorias, tiene aproximadamente aleatorias, tiene aproximadamente una distribución normal.
El valor de este teorema es que no requiere
condiciones para las distribuciones de las variables
aleatorias individuales que se suman.
Enunciado del TLCEnunciado del TLC
Si S es la suma de un gran número de variables aleatorias, entonces, bajo ciertas condiciones, la función de densidad
de probabilidad de la variable aleatoria S se distribuye normalmente, para n tendiendo a infinito.
( )
n
iS µ=
−
=∑
∼ ( )1
2
1
0,1i
n
ii
z N
σ
=
=
=∑
∑∼
Observar que
1
( )n
ii
E s µ=
=∑ 2
1
( )n
ii
Sσ σ=
= ∑
Esta generalización es válida cuando las variables
aleatorias individuales sólo hacen una contribución
relativamente pequeña a la suma total
En particular, si las xi En particular, si las xi están idénticamente están idénticamente distribuidas, es decir, tienen la misma media y distribuidas, es decir, tienen la misma media y
la misma varianza, la misma varianza,
( )
( )1 1
( ) .
i
n n
i ii i
E x
E S E x E x n
µ
µ= =
=
= = =
∑ ∑
( ) 2σ=
Por ser las xi independientes.
( )
( )
2
2
1 1
( ) .
i
n n
i ii i
V x
V S V x V x n
σ
σ= =
=
= = =
∑ ∑
Entonces el teorema afirma que la fdp de la variable S
se distribuye normalmente
Luego( )0,1
.
S nz N
n
µ
σ
−= ∼
Ejemplo 1Ejemplo 1
Supóngase que un proceso de fabricación produce lavadoras
de las cuales, alrededor del 5% son defectuosas. Si se
inspeccionan 100 lavadoras ¿Cuál es la probabilidad de que
haya entre 2 y 6 lavadoras defectuosas?
( ) ( )2 6 3 ( 4) ( 5)P x P x P x P x< < = = + = + =
0,4977
( ) ( )2 6 3 ( 4) ( 5)P x P x P x P x< < = = + = + =
3 97 4 96 5 95100 100 1000,05 .0,95 0,05 .0,95 0,05 .0,95
3 4 5
= + + =
Comparemos el resultado del cálculo directo con el cálculo aproximado, es decir, aplicando el TCL:
Aplicamos el TCLAplicamos el TCL
Calculamos
E(x)=np=100.0,05=5 V(x)= np(1-p)=100.0,05.0,95= 4,75
( ) ( ) ( )6 5 2 5
2 6 0,46 1,384,75 4,75
P x − −
< < = Φ − Φ = Φ − Φ − = 4,75 4,75
0,6772 0,0838 0,5934
= − =
Comparamos con el resultado exacto 0,4977. No es una buena aproximación. Por ser x una variable discreta,
calculemos
( ) ( )
5 5 3 5(3 5)
4,75 4,75
0 0,92 0,5 0,1788 0,3212
P x − −
≤ ≤ = Φ − Φ =
= Φ − Φ − = − =
Tampoco es buena
aproximación
La distribución Binomial converge a la normal cuando n tiende a ∞∞∞∞ (teorema de de Moivre, caso particular del
teorema central del límite)
1 1
2 2Si a x b a x b≤ ≤ ⇒ − ≤ ≤ +
a -0.5a
b + 0.5b
p(x)
Corrección por continuidadCorrección por continuidad
Para variables discretas, consiste en ampliar el intervalo en una unidad, es decir:
1 1
2 2Si a x b a x b≤ ≤ ⇒ − ≤ ≤ +
0,4659
2 2
( )
( ) ( )
5,5 5 2,5 52,5 5,5
4,75 4,75
0,23 1,15 0,591 0,1251
P x − −
≤ ≤ = Φ − Φ =
= Φ − Φ − = − =
Es una buena aproximación
Ejemplo 2Ejemplo 2Una fábrica de productos alimenticios produce carne enlatada, con un peso
medio de 250 grs y una varianza de 900 grs cuadrados por lata. Si los pesos de las latas son estadísticamente independientes. Las cajas
contienen 60 latas. Se elige una al azar, hallar la probabilidad de que:
a) El peso de la caja sea a lo sumo 14,5 kg.
b) El peso de la caja sea al menos 15,3 kg.b) El peso de la caja sea al menos 15,3 kg.
: es el peso de cada lata C: es el peso de la cajaix
2( ) 250 . ( ) 30i iE x grs V x grs= =
( )60 60 60
1 1 1
( ) 60.250 15.000 15 .i i ii i i
C x E C E x E x grs kg= = =
= ⇒ = = = = =
∑ ∑ ∑
( )60 60
2
1 1
( ) 60.900 54.000
( ) 60.900 60.30 232,38 0,23238
i ii i
V C V x V x grs
C grs kgσ
= =
= = = =
⇒ = = = =
∑ ∑
Calculamos las probabilidades Calculamos las probabilidades pedidaspedidas
( ) ( )14,5 15
) 14,5 2,15 0,01580,23238
a P C−
≤ = Φ = Φ − =
( ) ( )15,3 15
) 15,3 1 1 1,290,23238
1 0,9015 0,0985
b P C−
≥ = − Φ = − Φ =
= − =
Consideraciones finalesConsideraciones finales
• El n que se requiere para aplicar el teorema central del
límite en gran parte depende de la forma de la
distribución de las variables aleatorias individuales que
se suman
•Si los sumandos están normalmente distribuidos , al
aplicar el teorema central del límite, las probabilidades aplicar el teorema central del límite, las probabilidades
obtenidas son exactas. No importa n.
•Si no se conoce la distribución de los sumandos, para n
mayor o igual que 25, se obtienen buenas
aproximaciones.
•Si las variables aleatorias se distribuyen binomialmente,
n >10 si p 0,5
tambien si p 0 ó 1 , n debe ser bastante mayor.
≅
≅