Guia 6 Mat 263

Profesor: Claudio Henriquez T.

31 de julio de 2017

Convergencia en distribucion
1. Suponga tFn , n P Nu funciones de distribucion tal que Fn F en distribucion (converge en los puntos de continuidad de
F ), muestre que Fn F uniformemente, es decir supxPR |Fn pxq F pxq| 0
2. Suponga tFn , n P Nu funciones de distribucion en R con respectivas densidades fn . Muestre que fn f puntualmente
entonces Fn F en distribucion

3. tXn , n P Nu sucesion de variables aleatorias con dominio en los enteros. Entonces Xn X en distribucion ssi P rXn
ms P rX ms, @m P Z
4. Si Xn p X entonces Xn D X y si dado c constante, tenemos que Xn d c entonces Xn p c
5. si Xn d X e Yn d c, c constante, entonces Xn ` Yn d X ` c y Xn Yn cX. (Nota en la multiplicacion puede asumir
s.p.g que Yn 0 y c 0).
6. si tXn , n P Nu son variables aleatorias i.i.d. Encuentre la distribucion de Mn maxi1..n Xi . Como se comporta Mn cuando
n es muy grande?. Explique el caso cuando X1 es: Uniforme, Cauchy pf pxq pp1 ` x2 qq1 q, exponencial (f pxq ex )
7. Suponga Xp , p P r0, 1s tal que P rXp ns p1 pqn , n 0, 1, 2.... Muestre que pXp converge en distribucion a una
distribucion exponencial Y cuando p 0.

8. Defina pF, Gq nft 0, F px q  Gpxq F px ` q ` . Muestre que es una metrica en el espacio de funciones
de definicion. Esta metrica es llamada, la metrica de Levy
9. Sean tXn , n P Nu variables aleatorias, muestre que Xn D X ssi ErgpXn qs ErgpXqs, donde g es una funcion continua
con soporte compacto.

10. Suponga que X, Y son v.a. independientes bernoulli con parametro p 1{2, es decir P rX 0s P rX 1s 1{2.
Sean Sean tXn , n P Nu variables aleatorias tales que Xn Y, @n P N. Pruebe que Xn d X, pero Xn NO converge en
probabilidad a Y .
11. Considere funciones de densidad fn pxq p1 cosp2nxqq1r0,1 pxq. Muestre que Fn converge debilmente a la funcion de
distribucion uniforme, pero fn no converge.

12. Considere tXn , n P Nu son variables aleatorias normales Muestre que la convergencia en distribucion de Xn es equivalente
a la convergencia de sus dos primeros momentos.
13. Considere tXn , n P Nu son variables aleatorias Poisson. Muestre que la convergencia en distribucion de Xn es equivalente
a la convergencia del primer momento.

14. Suponga que Xn d X y que existe 0 tal que sup Er|Xn |2` s 8. Muestre que ErXn s ErXs y V rXn s V rXs:
nPN
(Use la representacion de Skorohod + integrabilidad uniforme)
15. Muestre que toda funcion de distribucion continua es uniformemente continua.

Funcion caracteristica
1. Encuentre las funciones caracteristicas de:
la distribucion Bernoulli f pxq P rX xs px p1 pq1x , x 0, 1, p P r0, 1s

n x
La distribucion Binomial f pxq P rX xs p p1 pqnx , x 0, 1...n, p P r0, 1s
x

1
 x e
La distribucion Poisson. f pxq P rX xs x! , x N Y t0u, 0
La distribucion Geometrica f pxq P rX xs pp1 pqx
La distribucion Exponencial f pxq ex , x 0
1 x2 {2
La distribucion Normal estandar: f pxq e , x P R (Para este ultimo utilice la forma polar de eix )
2
1
La distribucion uniforme en ra, bs. f pxq ba , a, b P R, a x b
La distribucion delta de dirac en a (Distribucion concentrada en a): f pxq px aq
2. Muestre que una variable aleatoria es simetrica si y solo si su funcion caracterstica es real (Con simetrica nos refermimos
a que X tiene la misma distribucion que X, es decir P rX xs P rX xs
3. Suponga que Xn , Yn , n P N son dos V.a. independientes para cada n. Muestre que si Xn d X e Yn d Y , entonces
Xn ` Yn d X ` Y
4. Muestre que sumas de variables aleatorias normales independientes son normales. Muestre tambien que si X es normal
entonces lpXq es tambien normal para toda funcion lineal l.

5. Muestre que sumas de variables aleatorias Poisson independientes son Poisson

6. Definimos la convolucion entre dos funciones de distribucion dadas por F Gptq R F pt xqdGpxq R Gpt xqdF pxq.
Verifique que F G es funcion de distribucion y vea como expresarlo mejor en el caso de que admitan densidades f y g
resp.. Sea F y G funciones caracteristicas asociadas a F y G respectivamente, Muestre que F G F G , es decir, la
funcion caracterstica de la convolucion es el producto de dos funciones caracteristicas (similar a Fourier)

7. Sean X F, Y G variables independientes. Muestre que X ` Y F G

ith
8. Suponga que ptq es la funcion caracteristica de F funcion de distribucion, tal que ptq 1e
ith es integrable en t. Muestre
que:
1 eith itx

F px ` hq F pxq 1
ptq e dx
h 2 R ith

9. Sean U, V uniformes en r0, 1s. Muestre que U V posee densidad f pxq p1 |x|q1r 1, 1spxq. Sea W U V . Verifique
que W ptq 2p1cos
t2
tq
. Ahora, considere la funcion f pxq 1cos x
x2 . Verifique que f pxq es funcion de densidad chequeando
que 1 |x| es funcion caracteristica. Esta densidad corresponde a la Distribucion de Polya.
10. Sean X, Y Exponenciales. Muestre que W X Y posee densidad f pxq 12 e|x| , correspondiente a la distribucion de
1
laplace. Muestre que W ptq . Utilice este hecho para mostrar que e|x| es la caracterstica de la distribucion cauchy,
1 ` t2
1
el cual posee una densidad dada por f pxq ,x P R
p1 ` x2 q
11. Sea F una funcion de distribucion y su caracterstica asociada. Muestre que:
u
1 ptq sin x
dt 2 1 dF pxq 1 F p2{uq ` F p2{uq
u t R ux

12. Utilice el ejercicio anterior para probar que si tFn , n P Nu es una sucesion de funciones de dist. con caractersitcas asociadas
n ptq, tales que n puntualmente tal que es continua en 0, entonces la sucesion es apretada y converge debilmente
a una medida F cuya caracterstica es .
n
13. Muestre que
si Er|X| s 8 luego su funcion caracteristica posee derivada continua de orden n y esta dado por
pnq ptq pixqn eitx dPX

14. Suponga que X e Y son variables aleatorias independientes tales que X ` Y tiene la misma distribucion que X. Pruebe
que Y 0c.s.
15. Suponga que X es una variable aleatoria que tiene funcion caracteristica ptq t33 psin t t cos tq, t 0. Verifique que
X es simetrica y posee una funcion de distribucion absolutamente continua. Pruebe que X esta concentrado en r1, 1s y
encuentre ErX 2n s.