Convergencia

Carlos Prez
Olivia Lpez
Carlos Gonzlez

Relacin entre los distintos tipos de

convergencia
Error Medio
Cuadrado

Probabilidad 1

Probabilidad

Distribucin

Convergencia en probabilidad 1 o casi segura

sucesin de variables aleatorias {X }, converge con
Una
probabilidad
1, o de forma casi segura, a una variable

aleatoria X (que puede ser una constante C) cuando se

cumple que:

Por lo que se interpreta que cuando la probabilidad de que

en el lmite la sucesin de variables aleatorias y aquella a la
que converge sean iguales, es uno.

Convergencia en
probabilidad

aquella que a medida que n o el tamao de la muestra

Es
aumenta,
la variable aleatoria va tomando valores cercanos

a una constante c con mayor probabilidad.

Una sucesin de variables aleatorias Xn converge en
probabilidad a una constante c si:
Para cualquier , tambin escrito como .
Ha de tenerse en cuenta en este caso que la sucesin slo
implica a la sucesin de las probabilidades de los sucesos y
no a las variables en sentido matemtico

Convergencia en media
cuadrtica

Una sucesin de variables aleatorias X1, X2,

converge en media cuadrtica a una variable
aleatoria X (que puede ser una constante K) cuando
se cumple:
2

lim E[( xn x) ] 0
n

Se escribe
Y lo interpretamos como: la dispersin de la
sucesin de variables aleatorias, tomando como
origen aquella variable a la que converge, es 0.

Convergencia en
distribucin
Una secuencia de variables aleatorias X1, X2, se dice
converge en distribucin a la variable aleatoria X si

lim Fn(x) F(x)

n

x R

Fn y F son funciones de distribucin acumulada de las

variables aleatorias Xn y X.
Para esta convergencia solo se necesita conocer la
distribucin de probabilidad, no as sus variables
aleatorias.

Convergencia en
distribucin
El teorema de limite central, es un teorema
acerca de la convergencia en distribucin.
d

Xn X
d

Xn LX

Xn X

Xn X

Xn X

L Xn L X

Donde LX es la ley (distribucin de probabilidad)

de X. Por ejemplo, si X es estndar normal
podemos escribir:
d

Xn N(0,1)

 La convergencia en media cuadrtica implica la convergencia en

probabilidad , no siendo cierto (generalmente) el
comportamiento inverso :
Luego

La convergencia casi segura implica la convergencia en
probabilidad , no siendo cierto (generalmente) el
planteamiento inverso :
Luego

La convergencia en probabilidad implica la convergencia
en distribucin , no siendo cierto (generalmente) el
planteamiento contrario :
Luego

Relacin entre los distintos tipos de

convergencia
Esquemticamente quedara :
Error Medio
Cuadrado

Probabilidad 1

Probabilidad

Distribucin