Beruflich Dokumente
Kultur Dokumente
INTRODUCCIÓN
1
Sin duda que la mayor importancia del estudio de la Función Característica radica en el
hecho que aprender y manejar esta herramienta, menos común de la teoría de probabilidades
facilita la demostración del resultado más importante de ella: el Teorema Central del Límite.
En este trabajo se presentará primero la definición de variable aleatoria compleja y otros
conceptos preliminares. En la Sección dos se definirá Función Características y se demostrarán
los teoremas relativos más importantes. También se darán algunos ejemplos. En la Sección tres
se demostrará el Teorema de Inversión. Luego en la Sección cuatro se demostrarán los Teoremas
Límites utilizando la Función Característica. En la Sección cinco se dará una aplicación en el
campo de la física. Finalmente se darán conclusiones del estudio realizado y futuras
proyecciones.
2
SECCIÓN 1
Conceptos Preliminares
E (α ) = ∫ α dP
Ω
Vale que
E (α ) = E (ξ ) + iE (η )
En efecto
E (α ) = ∫ α dP = ∫ (ξ + iη )dP = ∫ ξ dP + ∫ iη dP = ∫ ξ dP + i ∫η dP = E (ξ ) + iE (η )
Ω Ω Ω Ω Ω Ω
3
Teorema 1.1:
Si α1 ,α 2 ,...,α n son variables complejas independientes y si las esperanzas matemáticas E (α k )
⎛ n ⎞ n
E⎜
⎜
⎝
∏
k =1
αk ⎟ =
⎟
⎠
∏ E (α
k =1
k )
Demostración:
La demostración la haremos por inducción:
1. E (α1α 2 ) = E (α1 )E (α 2 )
En efecto:
E (α 1α 2 ) = E [(ξ1 + iη1 )(ξ 2 + iη 2 )] = E [(ξ1ξ 2 − η1η 2 ) + i (ξ1η 2 + ξ 2η1 )]
= E (ξ1 + iη1 )E (ξ 2 + iη 2 )
= E (α 1 )E (α 2 )
2. Supongamos válido para n-1 variables aleatorias y probemos que vale para n. Es decir:
⎛ n −1 ⎞ n −1
E⎜
⎜
⎝
∏
k =1
αk ⎟ =
⎟
⎠
∏ E (α
k =1
k )
En efecto:
⎛ n ⎞ ⎛ n −1 ⎞ ⎛ n −1 ⎞ n −1 n
E ⎜⎜ ∏ α k ⎟⎟ = E ⎜⎜ ∏ α k α n ⎟⎟ = E ⎜⎜ ∏ α k ⎟⎟ E (α n ) = ∏ E (α k )E (α n ) = ∏ E (α k )
⎝ k =1 ⎠ ⎝ k =1 ⎠ ⎝ k =1 ⎠ k =1 k =1
4
Teorema 1.2:
Sea una variable aleatoria compleja α tal que E (α ) < ∞ entonces E (α ) ≤ E α .
Demostración:
Por hipótesis podemos escribir:
∫ α dP = ρ e
iθ
Además si ∫ α dP = ρ e iθ entonces ∫ αe − iθ dP = ρ ,
Ω Ω
∫ αe
_ iθ
Luego dP = ρ = ρ (1.1)
Ω
∫ Re(α e )dP = Re ∫ α e
θ − iθ
−i
dP = ρ (1.2)
Ω Ω
Además
( )
Re α e − iθ ≤ α e −iθ = α e −iθ = α
∫ ( )
Re α e − iθ dP ≤ ∫ α dP (1.3)
Ω Ω
∫ α dP = ρ = ∫ Re(α e )dP ≤ ∫ α dP
θ −i
Ω Ω Ω
5
SECCIÓN 2
Definición de Función Característica y algunos teoremas importantes
La Función Característica de una variable aleatoria es una función de variable real que
toma valores complejos, que permite la aplicación de métodos analíticos. En esta Sección
estudiaremos la definición y las propiedades de las Funciones Características. También veremos
algunos ejemplos importantes.
Función Característica
Se llama Función Característica de una variable aleatoria ξ a la esperanza matemática de eiξ t , es
decir:
∞
Ee( )= ∫e
iξt iξt
dF (x )
−∞
Por lo tanto
+∞
ϕξ ( t ) = ∫e
iξ t
dF ( x )
−∞
k =1
tiene
+∞
ϕξ ( t ) = ∫e
iξ t
f ( x ) dx
−∞
6
Observaciones:
• La Función Característica de una variable aleatoria cualquiera solo depende de su
distribución.
• Las Funciones Características de variables aleatorias que tienen la misma distribución
son idénticas, este es un importante resultado que probaremos en secciones posteriores.
∞
La función definida como ϕξ (t ) = ∫ e ixt dF (x ) se puede denominar por consiguiente,
−∞
∞ ∞ ∞
∫e dF ≤ ∫e dF = ∫ dF = 1 < ∞
ixt ixt
−∞ −∞ −∞
+∞
∫e dF ≤ ∞
ixt
Luego
−∞
En el caso general en que ξ puede tomar valores diferentes de los enteros positivos, la función
generadora de momentos o función generatriz no esta definida, mientras que la Función
Característica existe siempre.
Ejemplo:
Sea X una variable aleatoria con distribución de Cauchy con parámetros α = 0 y β = 1 . Su
función de densidad de probabilidades esta dada por:
f (x ) =
1 1
π (1 + x 2 )
La función generadora de momentos viene dada por:
∞
E (e )= ∫e
tx tx 1 1
dx
−∞
(
π 1 + x2 )
Si − ∞ < x < 0 entonces e xt < 1 , luego
( )
0 0
1 1
E e xt
= ∫e xt
dx ≤ ∫ dx < ∞
−∞ π 1+ x 2
(
− ∞π (1 + x )
2
)
7
0 0
1 1
En efecto para resolver ∫ dx , escribamos lim ∫ dx ahora calculemos la
− ∞π (1 + x ) c π (1 + x )
2 c → −∞ 2
1 1
integral indefinida ∫ π (1 + x )dx que es una integral inmediata que viene dada por:
2
arctg ( x ) + c
1 1 1 1 1
∫ π (1 + x ) dx = π ∫ 1 + x
2 2
dx =
π
Calculemos ahora la integral definida entre los límites 0 y c
0
1 1
( ) = arctg 0 − arctg (c ) = 0 − arctg (c ) = − arctg (c )
1 1 1 1
0
∫c π (1 + x 2 ) π
dx = arctg x
c π π π π
Tomemos límite para c tendiendo a − ∞
⎡ 1 ⎤ 1⎛ π⎞ 1
0
dx = lim ⎢− arctg (c )⎥ = − lim arctg (c ) = − ⎜ − ⎟ = < ∞
1 1
lim
c → −∞ ∫ π (1 + x
c
2
) c → −∞
⎣ π ⎦ π c→−∞ π ⎝ 2⎠ 2
x
La integral indefinida ∫ 1+ x 2
dx resulta a través del método de sustitución, llamando
t=1+x2
dt
dt =2x dx ⇒ = dx
2
sustituyendo resulta que:
x 1 1 1 1
∫ 1+ x 2
dx = ∫
2 t
dt = ln t + c = ln 1 + x 2 + c
2 2
Calculemos ahora la integral cuyos límites de integración son 0 y c
c
x
( ) ( )
c
= ln 1 + c 2 − ln (1 + 0) = ln 1 + c 2
1 1 1 1
∫0 1 + x 2 dx = 2 ln 1 + x
2
0 2 2 2
8
∞
( )= π ∫e
Ee ixt 1 ixt 1
1+ x 2
dx = e
t
−∞
Teorema 2.1:
Se tiene siempre que ϕξ ( t ) ≤ 1 , la igualdad ocurre cuando t = 0 .
Demostración:
+∞ +∞ +∞
ϕξ ( t ) = E ( eiξ t ) = ∫ e dF ≤
iξ t
∫ eiξ t dF = ∫ dF = 1
−∞ −∞ −∞
+∞
ϕξ ( 0 ) = E ( e0 ) = E (1) = ∫ dF = 1
−∞
Teorema 2.2:
La función ϕξ ( t ) es uniformemente continua en el intervalo −∞ < t < ∞ .
Demostración:
Probemos que: ∀ε > 0, ∃δ > 0 : ∀t1 , t2 ∈ (−∞, ∞), ( t1 − t2 < δ ⇒ ϕξ ( t2 ) − ϕξ ( t1 ) < ε
ϕξ (t ) = E ⎛⎜ e A ⎞⎟ P( Aλ ) + E ⎛⎜ e cA ⎞⎟ P(cAλ )
iξt iξt
⎝ λ⎠ ⎝ λ⎠
ε
ϕξ (t ) − E ⎛⎜ e cA ⎞⎟ P(cAλ ) ≤ P( Aλ ) <
iξt
⎝ λ⎠ 3
Ya que
ϕξ (t ) = E ⎛⎜ e A ⎞⎟ P( Aλ ) + E ⎛⎜ e cA ⎞⎟ P(cAλ )
iξt iξt
⎝ λ⎠ ⎝ λ⎠
ϕξ (t ) − E ⎛⎜ e cA ⎞⎟ P(cAλ ) = E ⎛⎜ e A ⎞⎟ P( Aλ )
iξt iξt
⎝ λ⎠ ⎝ λ⎠
ϕξ (t ) − E ⎛⎜ e cA ⎞⎟ P(cAλ ) = E ⎛⎜ e A ⎞⎟ P( Aλ )
iξt iξt
⎝ λ⎠ ⎝ λ⎠
9
ϕξ (t ) − E ⎛⎜ e cA ⎞⎟ P(cAλ ) =
iξt
E ⎛⎜ e
iξt ⎞ P( A ) ≤ 1 P( A ) = P( A ) < ε
⎝ λ⎠ ⎝ Aλ ⎟⎠ λ λ λ
3
Por consiguiente
⎛ eiξt 2 − eiξt1 ⎞
ϕξ (t2 ) − ϕξ (t1 ) ≤ E ⎜ ⎟ + 2ε
⎜ cAλ ⎟ 3
⎝ ⎠
Puesto que si suponemos
ϕξ (t2 ) − E ⎛⎜ e
iξt 2 ⎞ P(cA ) < ε
⎝ cAλ ⎟⎠ λ
3
ϕξ (t1 ) − E ⎛⎜ e
iξt1 ⎞ P(cA ) < ε
⎝ cAλ ⎟⎠ λ
3
⎛ ⎛ eiξt 2 ⎞ ⎛ eiξt1 ⎞⎞
ϕξ (t2 ) − ϕξ (t1 ) − E
⎜ ⎜ ⎟ + E⎜ ⎟ ⎟ P(cAλ ) =
⎜ ⎜ cAλ ⎟ ⎜ cAλ ⎟ ⎟
⎝ ⎝ ⎠ ⎝ ⎠⎠
ϕξ (t2 ) − E ⎛⎜ e
iξt 2 ⎞ P(cA ) − ⎛ ϕ (t ) − E ⎛ eiξt1 ⎞ P(cA )⎞ < ε + ε = 2ε
cAλ ⎟⎠ λ ⎜ ξ 1 ⎜ cA ⎟ λ ⎟
⎝ ⎝ ⎝ λ⎠ ⎠ 3 3 3
Por lo tanto
⎛ eiξt 2 − eiξt1 ⎞
ϕξ (t2 ) − ϕξ (t1 ) ≤ E ⎜ ⎟ + 2ε
⎜ cAλ ⎟ 3
⎝ ⎠
De
b
eib − eia = i ∫ eiz dz ≤ b − a con a < b (2.1)
a
resulta:
ε ε
eiξ t2 − eiξ t1 ≤ para ξ ≤ λ y t 2 − t1 < =δ
2 3λ
Probemos (2.1)
e ib = cos(b ) + i sen(b )
e ia = cos(a ) + i sen(a )
10
b b
Reemplazando en (2.2)
b b
⎡b b
⎤
e ib − e ia = − ∫ sen( z )dz + i ∫ cos( z )dz = i ⎢i ∫ sen( z )dz + ∫ cos( z )dz ⎥
a a ⎣a a ⎦
⎡b b
⎤ b b
= i ⎢ ∫ cos( z )dz + i ∫ sen( z )dz ⎥ = i ∫ [cos( z ) + isen( z )]dz = i ∫ e iz dz
⎣a a ⎦ a a
Es decir que
b
e ib − e ia = i ∫ e iz dz
a
b b b b b
i ∫ e iz dz = i ∫ e iz dz = ∫ e iz dz ≤ ∫ e iz dz = ∫1dz = b − a
a a a a a
Luego de
b
e ib − e ia = i ∫ e iz dz ≤ b − a
a
Resulta que
ε
e iξt2 − e iξt1 ≤
3
Puesto que usando (2.1)
e iξt2 − e iξt1 ≤ ξt 2 − ξt1 = ξ (t 2 − t1 )
ε
Sea δ =
3λ
ε ε ξ
Si t 2 − t1 ≤ se sigue que ξ t 2 − t1 < ξ si además ξ < λ entonces < 1 , luego
3λ 3λ λ
ε
ξ t 2 − t1 ≤
3
De donde por propiedad de la esperanza resulta
11
⎛ eiξt 2 − eiξt1 ⎞ ε
E⎜ ⎟ < Para t2 − t1 < δ
⎜ cAλ ⎟ 3
⎝ ⎠
Se concluye que
ϕξ (t2 ) − ϕξ (t1 ) < ε para t2 − t1 < δ
Teorema 2.3:
Si a y b son constantes y si η = aξ + b entonces ϕη (t ) = eibtϕξ (at )
Demostración:
∞ ∞ ∞ ∞ ∞
ϕη (t ) = E (e iηt
)= ∫e iηt
dF = ∫ e i ( aξ + b ) t
dF = ∫ e iaξtt + ibt
dF = ∫ e iaξtt ibt
e dF = e ibt
∫e
iaξt
dF
−∞ −∞ −∞ −∞ −∞
( )
= e ibt E e iaξtt = e ibtϕξ (at )
Teorema 2.4:
Si t1 , t 2 ,..., t n son números reales cualesquiera, z1 , z 2 ,..., z n números complejos cualesquiera, si
∑∑ϕξ (t
h =1 k =1
h − t k )z h z k ≥ 0
Demostración:
( ) ⎛ n n i ( t h − t k )ξ ⎞ ⎛ n n it hξ − it k ξ ⎞
n n n n
∑∑ϕξ (t
h =1 k =1
h − tk )zh zk = ∑∑ E e
h =1 k =1
i ( t h − t k )ξ
zh zk = E ⎜ ∑∑ e
⎝ h =1 k =1
zh zk ⎟ = E ⎜ ∑∑ e e zh zk ⎟
⎠ ⎝ h =1 k =1 ⎠
⎛ n n
⎞
= E ⎜ ∑ eit hξ zh ∑ e − it k ξ zk ⎟
⎝ h =1 k =1 ⎠
Observemos que:
e − it k ξ = eit k ξ
Luego
n n
⎛ n n
⎞ ⎛ n n
⎞
∑∑ϕξ (th − tk )zh zk = E ⎜ ∑ eit ξ zh ∑ eit ξ zk ⎟ = E⎜ ∑ eit ξ zh ∑ eit ξ zk ⎟
h =1 k =1 ⎝ h =1
h
k =1
k
⎠ ⎝ h =1
h
k =1
k
⎠
⎛ n 2
⎞
= E ⎜ ∑ eit hξ zh ⎟≥0
⎜ h =1 ⎟
⎝ ⎠
12
n n
Observación: Las funciones que verifican ∑∑ϕξ (t
h =1 k =1
h − tk )zh zk ≥ 0 se llaman definidas positivas.
Un teorema notable de Bochner dice que toda función ϕ (t ) definida positiva con ϕ (0 ) = 1 se
puede hacer corresponder a una función de distribución cuya ϕ (t ) es la Función Característica,
pero no daremos una demostración de este teorema.
Teorema 2.5:
Para todo real t, ϕξ (− t ) = ϕξ (t ) . Si en particular la función de distribución de ξ es simétrica con
Demostración:
b b
Probemos un lema previo: ∫ f (x )dx = ∫ f (x )dx
a a
Donde f : A → C , u : A → R, v : A → R
b b b b b
−∞ −∞ −∞
13
∞ ∞
ϕ−ξ (t ) = ∫ e i ( − t )ξ
dF ( x ) = ∫ eit (−ξ )dF ( x ) = ϕξ (− t )
−∞ −∞
Teorema 2.6:
Si ξ1 , ξ 2 ,..., ξ n son variables aleatorias mutuamente independientes, la Función Característica de
su suma es igual al producto de las funciones características de cada una de ellas:
n
ϕ n (t ) = ∏ϕξ (t )
∑ξk
k
k =1
k =1
Demostración:
Usando el Teorema 1.1 podemos escribir:
⎛ i∑ξk t ⎞
n
( ) ( )
⎛ n iξ k t ⎞ n
( )
n
⎜ ⎟
ϕ n (t ) = E ⎜ e k =1
⎟⎟ = E e
i (ξ1 + ξ 2 + ... + ξ n )t iξ1t iξ 2 t
= E e e ...e iξ n t
= E ⎜⎜ ∏ e ⎟⎟ = ∏ E e iξ k t
= ∏ ϕξ k (t )
∑ξk ⎜ ⎝ k =1 ⎠ k =1 k =1
k =1 ⎝ ⎠
Observaciones:
• El Teorema 2.6 expresa la propiedad de las Funciones Características sobre la cual se
apoya el gran éxito que ha tenido su aplicación en cálculo de Probabilidades. En efecto,
la función de distribución de una suma de variables aleatorias independientes es el
producto de convolución de las funciones de distribución de variables; el cálculo de este
producto de convolución es complicado la mayoría de las veces. Por el contrario, el
Teorema 2.6 permite calcular muy fácilmente la Función Característica de una suma de
variables aleatorias independientes a partir de las Funciones Características de sus
términos puesto que es, simplemente, el producto. De las propiedades de la Función
Característica se pueden deducir las propiedades de la función de distribución como se
verá en secciones posteriores.
independencia de ξ1 y ξ 2 .
14
Contraejemplo:
Sea ξ1 = ξ 2 = ξ teniendo ξ una distribución de Cauchy.
La Función Característica de ξ viene dada por:
ϕξ (t ) = e − t
ϕξ 1 +ξ 2
(t ) = ϕ2ξ (t ) = e−2 t = ϕξ1 (t )ϕξ 2 (t )
Y ξ no es independiente de si mismo.
Teorema 2.7:
( )
Si los n primeros momentos E ξ k = M k con k=1, 2,…, n de la variable aleatoria existen, la
n.
Demostración:
Sea F (x ) la función de distribución acumulada de ξ .
∞ ∞
∫ ∫ xe
ixt
Si x dF existe la integral dF converge uniformemente
−∞ −∞
Pues
∞ ∞ ∞ ∞
∫ xe
ixt
dF ( x ) ≤ ∫ xe
ixt
dF ( x ) = ∫xe
ixt
dF (x ) = ∫ x dF (x ) < ∞
−∞ −∞ −∞ −∞
Luego
∞
ϕξ ' (t ) = ∫ ixeixt dF (x ) pues podemos intercambiar procesos límites por la convergencia uniforme.
−∞
En particular
∞ ∞
ϕξ ' (0) = ∫ ixe0 dF ( x ) = i ∫ xdF ( x ) = iM 1
−∞ −∞
−∞
15
Teorema 2.8:
Supongamos la distribución de ξ es absolutamente continua. Si la densidad de f (x ) de ξ es k
∞
veces diferenciable (k=1,2,…) y si c j = ∫ f (x )dx existe para j=1,2,…k
( j)
se tiene
−∞
lim t ϕξ (t ) = 0 .
k
t →+∞
Demostración:
∞ c
ϕξ (t ) = ∫ f (x )e
ixt
dx = lim ∫ f (x )e
ixt
dx
c → +∞
−∞ −c
∫ f (x )e
ixt
Integremos por partes la integral indefinida dada por dx , llamemos:
u = f (x ) du = f ' ( x )dx
e ixt
dv = e ixt dx v=
it
Reemplazando resulta que:
eixt eixt
∫ f ( x )eixt dx = f ( x ) − ∫ f ' ( x ) dx
it it
Calculando la integral entre –c y c
c c c
eixt c eixt eict e − ict 1
∫ f (x )e dx = f (x ) it − ∫ f ' ( x ) dx = f (c ) − f (− c ) − ∫ f ' ( x )eixt dx
ixt
−c −c −c
it it it it − c
Esto es
c
eict e − ict 1
lim f (c ) − lim f (− c ) − lim ∫ f ' ( x )eixt dx]
c → +∞ it c → +∞ it it c → +∞ − c
Considerando que
lim f ( j ) ( x ) = 0 para j=1, 2,…, k-1 como consecuencia de las hipótesis hechas, luego
x → +∞
c c c
i i
ϕξ (t ) = − lim ∫ f ' ( x )eixt dx = − 2 lim ∫ f ' ( x )eixt dx = lim ∫ f ' ( x )eixt dx
1
it c → +∞ − c i t c → +∞ − c t c → +∞ − c
it
Calculo la integral entre –c y c
c c c
eixt c
eixt eict e − ict 1
∫ f ' ( x )eixt dx = f ' ( x ) − ∫ f ' (x ) dx = f ' (c ) − f ' (− c ) − ∫ f ' ' ( x )eixt dx
−c
it −c −c
it it it it −c
Por hipótesis
c c c
i
lim ∫ f ' ( x )e dx = − lim ∫ f ' ' ( x )eixt dx = lim ∫ f ' ' ( x )eixt dx
1 ixt
c→+∞
−c
it c→+∞ −c t c→+∞ −c
c
ii
ϕξ (t ) = lim f ' ' ( x )eixt dx
t t c → +∞ −∫c
Es decir que luego de integrar dos veces por partes resulta que
2 c
⎛i⎞
ϕξ (t ) = ⎜ ⎟ lim ∫ f ' ' ( x )eixt dx
⎝ t ⎠ c → +∞ − c
Por lo tanto integrando k veces por partes obtendré
k c k ∞
⎛i⎞ ⎛i⎞
ϕξ (t ) = ⎜ ⎟ lim ∫ f ( k ) ( x )eixt dx = ⎜ ⎟ ∫ f (x )e
(k ) ixt
dx
⎝t ⎠
c→+∞
−c ⎝t ⎠ −∞
De donde
k ∞ k ∞ k ∞
⎛i⎞
ϕξ (t ) = ⎜ ⎟ ∫f
(k )
(x )e dx = ⎛⎜ i ⎞⎟
ixt
∫f
(k )
(x )e dx = i
ixt
∫ f (x )e
(k ) ixt
dx
⎝t ⎠ −∞ ⎝t ⎠ −∞
t −∞
k ∞ k ∞ k ∞
i i i
= ∫ f (x )e dx ≤ ∫ (x )e dx = ∫ f ( k ) ( x ) eixt dx
(k ) ixt (k ) ixt
k k
f k
t −∞ t −∞ t −∞
Observemos que i =
k
( 1) k
= 1k = 1 , además eixt = 1
Luego
∞
ϕξ (t ) = ∫ f (x )dx
1 (k )
k
t −∞
Llamo
17
∞
ck = ∫ f (x )dx
(k )
−∞
Luego
ck
ϕξ (t ) ≤ k
t
Observación:
ck
La desigualdad ϕξ (t ) ≤ k
es evidentemente interesante en el estudio del comportamiento de
t
Teorema 2.9:
( )
Si los n primeros momentos de ξ , M k = E ξ k con k=1, 2,…, n existen, se tiene (con M 0 = 1 ),
para t → 0
M k (it )
k
+ o(t n )
n
ϕξ (t ) = ∑
k =0 k !
Demostración:
∞ ∞
Por el Teorema 2.7 vale que ϕξ(k ) (t ) = i k ∫ x k eixt dF ( x ) y también que ϕξ(k ) (0) = i k ∫ x k dF ( x ) = i k M k
−∞ −∞
∞
ϕξ ' (t ) = i1
∫x e
1 ixt
dF ( x )
−∞
18
∞
ϕξ ' ' (t ) = i 2
∫x e
2 ixt
dF ( x )
−∞
.
.
.
∞
ϕξ ( n ) (t ) = i n ∫ x n eixt dF ( x )
−∞
∞
ϕξ ' (0) = i1 ∫ x1dF ( x ) = iM 1
−∞
∞
ϕξ ' ' (0) = i 2 ∫ x 2 dF ( x ) = i 2 M 2
−∞
.
.
.
∞
ϕξ (n)
(0) = i ∫ x n dF (x ) = i n M n
n
−∞
Luego
( )
n
t 1
t 2
t
= 1 + iM 1 + i 2 M 2 + ... + i n M n + o t n
1! 2! n!
=∑
n
(it ) M k + o t n
k
( )
k =0 k!
an
lim =0
n → +∞ bn
19
Además dadas dos sucesiones {an }, {bn } ( bn > 0 para todo n), si existe una constante M y un
a n ≤ M bn para todo n ≥ N 0
an
Esta condición es equivalente a lim ≠ +∞
bn
Para evitar confusión entre los dos símbolos o, O muchas veces diremos “o pequeño”, “O
grande” respectivamente.
En nuestro caso:
an =
(it )n M n
n!
bn = t n
(it )n M n (it ) M n
n
= o(t n )
n! inM n
lim = lim = 0 , luego
n → +∞ tn n → +∞ n! n!
Teorema 2.10:
( )
Si todos los momentos de la variable aleatoria ξ , M n = E ξ k , n = 1,2,... existen y si
Mn
es finito, el dominio de definición de ϕξ (t ) se puede extender a t complejo:
1
lim sup n =
n → +∞ n! R
se tiene, para t < R
M (it )
+∞ k
ϕξ (t ) = ∑ k ,
k =0 k!
ϕξ (t ) es incluso una función analítica holomorfa en toda la banda v < R del plano complejo
t=u+iv.
Demostración:
Por el Teorema 2.7, como todos los momentos de la variable aleatoria ξ existen, ϕξ (t ) es
20
M (it )
+∞ n
ϕξ (t ) = ∑ n
n=0 n!
∞
En razón de ϕξ
(n)
(t ) = i n ∫ x n eixt dF (x ) , k=1, 2,…, n
−∞
ϕξ ( 2 n ) (t0 ) ≤ M 2 n
Puesto que
∞ ∞ ∞
ϕξ (2n)
(t0 ) = i ∫ x
2n
e dF ( x ) ≤ i
2 n ixt 0 2n
∫x
2 n ixt 0
e dF ( x ) = i
2n
∫x
2n
eixt 0 dF ( x )
−∞ −∞ −∞
2n
Como i = 12 n = 1 y eixt 0 = 1
∞ ∞ ∞
ϕξ ( 2n)
(t0 ) ≤ ∫ x 2n
dF ( x ) = ∫x
2n
dF ( x ) = ∫x
2n
dF ( x ) = M 2 n
−∞ −∞ −∞
1 1
⎡∞ n 2
( ) ⎤ 2 ⎡ ∞ n +1 2
≤ ⎢ ∫ x dF (x )⎥ ⎢ ∫ x
⎤2
dF ( x )⎥ ( )
⎣− ∞ ⎦ ⎣− ∞ ⎦
∞ ∞
x dF (x ) ∫ x dF ( x )
2 ( n +1)
∫
2n
=
−∞ −∞
∞ ∞
= ∫ x 2 n dF ( x ) ∫ x 2 n + 2 dF ( x )
−∞ −∞
= M 2n M 2n + 2
Además
( M 2n − M 2n + 2 ) =M
2
2n − 2 M 2n M 2n + 2 + M 2n + 2 ≥ 0
Así
− 2 M 2n M 2n + 2 ≥ −M 2n − M 2n + 2
− M 2n − M 2n + 2
M 2n M 2n+ 2 ≤
−2
21
M 2n + M 2n + 2
M 2n M 2n + 2 ≤
2
(t0 ) ≤ M 2n + M 2n + 2
Mn
= < ∞ , ϕξ (t0 ) ≤ M 2 n y ϕξ
1 (2n) ( 2 n +1)
Del hecho que lim sup n
n→+∞ n! R 2
ϕ ( n ) (t0 ) 1
Obtenemos que para todo t0 real lim sup n ≤ .
n → +∞ n! R
Luego ϕξ (t ) es holomorfa en todo el disco t − t0 < R por lo tanto vale el teorema.
Si n es par
ϕξ ( 2 n ) (t0 ) ≤ M 2 n ≤ M 2 n
ϕ (2 n ) (t 0 ) M 2n
≤
(2n )! (2n )!
ϕ (2 n ) (t 0 ) M 2n
2n ≤ 2n
(2n )! (2n )!
ϕ (2 n ) (t 0 ) M 2n 1
lim sup 2n ≤ lim sup 2 n =
2 n → +∞ (2n )! 2 n → +∞ (2n )! R
Si n es impar se demuestra de manera análoga.
Observación:
Resulta del Teorema 2.10 que la función ϕ ξ (t ) queda enteramente determinada por la sucesión
M k (it )
k
Mn +∞
ϕξ (t ) = ∑
1
M n , n=1, 2,… siempre que lim sup n = < ∞ . En efecto según ,
n → +∞ n! R k =0 k!
Mn
lim sup n
(n )!
=
1
R
la distribución de ξ esta fijada por la sucesión M n = E ξ n ( ) n=1, 2,…. El
2 n → +∞
22
problema de averiguar si los momentos M n = E ξ n ( ) determinan unívocamente la función de
2π σ
Sea ξ una variable aleatoria normal estándar, es decir con μ = E (ξ ) = 0 y σ 2 = V (ξ ) = 1 ,
x2
−
luego f ( x ) =
1
e 2
2π
Entonces
+∞ +∞ x2 +∞ x2
ϕ ξ (t ) = E (e ) = ∫ e f (x )dx = ∫ e 1 − 1 ixt −
∫e
iξt ixt ixt
e 2
= 2
dx
−∞ −∞ 2π 2π −∞
Si llamo z=x-it
dz =dx
luego z 2 = ( x − it ) = x 2 − 2 xit + i 2 t 2 = x 2 − t 2 − 2 xit
2
Dividiendo en 2 resulta:
z
2
=
(x − it ) − xit = x − xit − t
2 2 2
2 2 2 2
luego
2 2
x z2 t
− xit − = −
2 2 2
z2 t2 t2 z2
− − − −
ϕ ξ (t ) =
1 1
2π
∫e
L
2 2 dz =
2π
e 2
∫e
L
2
dz
z2
−
Donde L es la recta horizontal z=x-it (− ∞ < x < ∞ ) del plano complejo; e 2
es una función
entera, su función es pues, nula a lo largo de una curva cerrada cualquiera, en particular a lo
largo del rectángulo R x de vértice –x-it, x-it, x, -x. Probemos que
23
x z2 x2 t v2
− −
∫e
x −it
2
dz ≤ e 2
∫e
0
2
dv , v>0
z2
−
Consideremos f ( z ) = e 2
y L el segmento de recta que une los puntos x-it con x.
Puesto que
b
que:
Si L : z = x − iu , u ∈ [− t ,0] con t ≥ 0
z (− t ) = x − it
z (0 ) = x
z ' (u ) = i
z2 1 x2 u 2 x2 0 u2
−
0
− ( x + iu )2 0
− − − −
∫e dz = ∫ e idu = i ∫ e ∫e
− xwi
2 2 2 2
e du = ie 2 2
e −ixu du
L −t −t −t
Por lo tanto
z2 x2 0 u2 x2 0 u2
− − − − −
∫e ∫e ∫e
−ixt
2
dz = ie 2 2
e du = e 2 2
e −ixt du
L −t −t
Además e −ixt ≤ 1
z2 x2 0 u2 x2 0 u2 x2 0 u2
− − − − − − −
Por lo tanto ∫ e 2
dz = e 2
∫e 2
e − ixt
du = e 2
∫e 2
du = e 2
∫e 2
du
L −t −t −t
Llamo u=-v
du =-dv
Si u=-t ⇒ v=t
Si u=0 ⇒ v=0
−
x2 0
−
( − v )2 −
x2 t
−
v2
e 2
∫e 2
(− 1)dv = e ∫ e 2 2
dv, t ≥ 0
t 0
x z2 x2 t v2
dv , v ∈ [0, t ]
− −
Luego ∫e
x −it
2
dz ≤ e 2
∫e
0
2
24
x z2
−
Esto implica que lim
x → +∞ ∫e
x −it
2
dz = 0
z2 ∞ x2
1 − 1 −
De donde se sigue que
2π
∫e
L
2
dz =
2π
∫e
−∞
2
dx
Es decir
t2 z2 t2 ∞ x2
1 −2 −2 1 −2 −2
ϕξ (t ) = e ∫ e dz = e ∫ e dx
2π L 2π −∞
∞ x2 t2
− −
dx = 1 por propiedad de la función de densidad, por consiguiente ϕ ξ (t ) = e
1
Como
2π ∫e
−∞
2 2
−∞ −∞ 0 0
∞ c
= λ ∫ e − x (λ −it ) dx = λ lim ∫ e − x (λ −it ) dx
c → +∞
0 0
t = − x(λ − it )
dt
dt = _ (λ − it )dx ⇒ − = dx
(λ − it )
− x (λ − it ) 1 1 t 1 − x (λ − it )
∫e dx = −
λ − it ∫ et dt = −
λ − it
e +c=−
λ − it
e +c
[ ] [ ]
c
− x (λ −it ) 1 c 1 1
∫e dx = − e − x (λ −it ) =− e −c (λ −it ) − e 0 = − e −c (λ −it ) − 1
0
λ − it 0 λ − it λ − it
Tomo límite para c tendiendo a ∞
[ ]
c
lim ∫ e − x (λ −it ) dx = −
1
lim e −c (λ −it ) − 1 = −
1
(− 1) =
1
c → +∞
0
λ − it c→+∞ λ − it λ − it
25
λ
Por lo tanto ϕ ξ (t ) =
1
=
λ − it 1−
it
λ
Se deduce en seguida por el Teorema 2.6, que una variable aleatoria ξ k que tenga una
k
distribución ϕ de orden k, es decir ξ k = ∑ ξ i , con ξ i para i=1, 2,.., k independientes e
i =1
k
idénticamente distribuidas y de esperanza matemática tiene por Función Característica
λ
ϕξ (t ) =
1
k
⎛ it ⎞
k
⎜1 − ⎟
⎝ λ⎠
k
⎡ ⎤
k ⎢ 1 ⎥ 1k
Puesto que ϕξ (t ) = ∏ ϕξ i (t ) = ⎢
1
⎥ = =
⎢ ⎛⎜1 − it ⎞⎟ ⎥
k k
i =1 ⎛ it ⎞ ⎛ it ⎞
⎢⎣ ⎝ λ ⎠ ⎥⎦ ⎜ 1 − ⎟ ⎜ 1 − ⎟
⎝ λ⎠ ⎝ λ⎠
Con a y b ∈ R , a < b.
Sea ξ una variable aleatoria distribuida uniformemente en el intervalo (− a, a ) .
Calculemos ahora la Función Característica:
+∞ −a a +∞ a
ϕξ (t ) = E (e ) e xit
= ∫ e f ( x )dx = ∫ e 0dx + ∫ e
1
iξt ixt ixt
dx + ∫ eixt 0dx = ∫ dx
ixt
−∞ −∞ −a
2a a −a
2a
1 ⎡ eiat e − iat ⎤ 1 eiat − e − iat
a
1 eixt
sen(at )
1 a 1
2a −∫a
= e xit
dx = = ⎢ − ⎥ = =
2a it −a 2a ⎣ it it ⎦ at 2i 2a
sen(at )
=
at
26
f (x ) =
1
, −∞ < x < ∞
⎡ ⎛ x −α ⎞ ⎤
2
πβ ⎢1 + ⎜⎜ ⎟⎟ ⎥
⎢ ⎝ β ⎠ ⎥
⎣ ⎦
Con α , β ∈ R
Si α = 0 y β = 1
f (x ) =
1 1 1
[
π 1+ x
2
] =
π 1+ x2
Calculemos ahora la Función Característica:
+∞ ∞ ∞
ϕ ξ (t ) = E (e iξt ) = ∫ e ixt f ( x )dx =
1 1 1 e ixt
∫−∞π 1 + x 2 e dx = π ∫ 2 dx
ixt
−∞ − ∞1 + x
k =0 k =0 ⎝x⎠ k =0 ⎝x⎠
27
SECCIÓN 3
Teorema de Inversión
+∞
⎡ e − ita − e − itb ⎤
F (b ) − F (a ) = ( )
1
2π ∫−∞ ⎢⎣
Re ϕ t
it
⎥dt
⎦
(3.2)
Pues
28
+∞
⎡ e − ita − e − itb eita − eitb ⎤
F (b ) − F (a ) = ( ) ( )
1
2π ∫⎢
−∞ ⎣
ϕ t
2it
− ϕ t
2it ⎥⎦
dt
+∞
⎡ e − ita e − itb e ita e itb ⎤
=
1
(
∫ ⎢ 2it
ϕ t ) − ϕ (t ) − ϕ (t ) + ϕ (t ) ⎥dt
2π − ∞⎣
2it 2it 2it ⎦
Analicemos
Luego
+∞
⎡ ⎛ ϕ (t )e − ita ⎞ ⎛ ϕ (t )e − itb ⎞⎤
F (b ) − F (a ) =
1
2π ∫−∞⎢Re⎜⎜⎝ it ⎟⎟ − Re⎜⎜
⎠ ⎝ it
⎟⎟⎥dt
⎠⎦
⎣
1
∞
(
⎡ϕ (t ) e − ita − e − itb )⎤dt
=
2π ∫ ⎢⎣
−∞
Re
it
⎥
⎦
e − ita − e − itb
Se observa que las partes reales de ϕ (t ) y de son funciones pares, mientras que sus
it
partes imaginarias son impares. En efecto:
Probemos que Re[ϕ (t )]es par
⎡∞ ⎤ ⎧∞ ⎫ ∞
Re[ϕ (t )] = Re ⎢ ∫ eitx dF ( x )⎥ = Re⎨ ∫ [cos(tx ) + isen(tx )]dF ( x )⎬ = ∫ cos(tx )dF (x )
⎣− ∞ ⎦ ⎩− ∞ ⎭ −∞
∞
= ∫ cos(tx ) f ( x )dx
−∞
∞
Llamo G (t ) = Re[ϕ (t )] = ∫ cos(tx ) f ( x )dx
−∞
∞ ∞
G (− t ) = ∫ cos(− tx ) f ( x )dx = ∫ cos(tx ) f ( x )dx =G (t )
−∞ −∞
29
⎛ e − ita − e − itb ⎞
Probemos ahora que Re⎜⎜ ⎟⎟ es una función par
⎝ it ⎠
Como e − ita = cos(ta ) − isen(ta ) y e − itb = cos(tb ) − isen(tb ) , podemos escribir:
sen(tb ) − sen(ta )
Llamo L(t ) = , probemos que es par:
t
sen[(− t )b] − sen[(− t )a ] − sen(tb ) + sen(ta ) sen(tb ) − sen(ta )
L(− t ) = = = = L(t )
−t −t t
Como ∀t L(− t ) = L(t ) , entonces L(t ) es par.
Veamos ahora que Im[ϕ (t )] es impar
∞ ∞ ∞
ϕ (t ) = ∫ e f (x )dx = ∫ [cos(xt ) − isen(xt )]f (x )dx = ∫ [cos(xt ) f (x ) − isen(xt ) f (x )]dx
− xit
−∞ −∞ −∞
∞
Llamo H (t ) = Im[ϕ (t )] = − ∫ sen(tx ) f ( x )dx
−∞
∞ ∞ ∞
H (− t ) = − ∫ sen[x(− t )]f ( x )dx = − ∫ (− 1)sen( xt ) f (x )dx = ∫ sen(xt ) f (x )dx = − H (t )
−∞ −∞ −∞
cos(ta ) − cos(tb )
Llamo N (t ) =
it
cos[(− t )a ] − cos[(− t )b] cos(ta ) − cos(tb ) cos(ta ) − cos(tb )
N (− t ) = = =− = − N (t )
i (− t ) − it it
Como ∀t N (− t ) = − N (t ) , entonces N (t ) es impar
e − ita − e − itb
Lo mismo ocurre con ψ (t ) = ϕ (t )
it
30
⎡ sen(tb ) − sen(ta ) cos(tb ) − cos(ta ) ⎤
∞
ψ (t ) = ∫ e ixt f ( x )dx ⎢ − ⎥⎦
−∞ ⎣ t it
Si llamo M (t ) = Re[ψ (t )]
31
T
Observación:
Previamente probemos el siguiente Lema:
Sea f : D ⊂ R → R entonces:
T
f impar ⇒
−T
∫ f (t )dt = 0
Demostración:
f impar ⇒ ∀t ∈ D, f (− t ) = − f (t )
T 0 T
Si llamo s=-t
ds=-dt,
luego reemplazando resulta:
T 0 T T T T T
Luego, como ya probamos que Im[ψ (t )] es impar, queda demostrada la afirmación anterior de
donde se sigue a partir de
F (b ) − F (a ) =
1
∞
(
⎡ϕ (t ) e − ita − e − itb )⎤dt
2π ∫ ⎢⎣
−∞
Re
it
⎥
⎦
F (b ) − F (a ) =
1
T
lim ∫ ⎢
(
⎡ ϕ (t ) e − ita − e − itb )⎤dt
Que ⎥
2π T →∞ −T ⎣ it ⎦
En muchos cursos se da la fórmula de inversión en la forma anterior. Pero mientras que la
integral generalizada (3.1) existe siempre, no se puede decir lo mismo de
∞
e − ita − e − itb
∫ ϕ (t ) it dt
1
2π −∞
32
2 sen(αt )
T
LEMA 1: Llamemos S (α , T ) = ∫ dt .
π0 t
⎧1 para α < 0
2 sen(αt )
∞
⎪
Además lim S (α , T ) = ∫ dt = ⎨0 para α = 0
T →∞ π0 t ⎪− 1 para α > 0
⎩
Y la convergencia es uniforme para α ≥ δ > 0 , siendo δ un número positivo arbitrariamente
pequeño.
Demostración:
2 sen(u )
x
Defino S ( x ) = ∫ du.
π0 u
2 sen(αt )
T
Se tiene S (α , T ) = S (αT ) pues si S (α , T ) = ∫ dt por hipóteis, si llamo
π0 t
u =α
du
du = α dt ⇒ = dt , α > 0
α
Reeplazando
sen(u ) du 2 sen(u )
αT αT
S (α , T ) = du = S (αT )
2
∫
π 0 u α π
= ∫
0
u
α
( n +1)π
sen(u ) sen(u )
π
du o también cn = (− 1) ∫
2 n 2
Sea cn =
π ∫
nπ
u π0 u
du , n=0, 1, 2,…
w = u − nπ ,
dw = du
Luego si
u = nπ ⇒ w = nπ − nπ = 0
u = (n + 1)π ⇒ w = (n + 1)π − nπ = π
2 sen(w + nπ )
π
π ∫0 w + nπ
Así cn = dw
Observemos que:
33
sen(w + nπ ) = sen(w)cos(nπ ) + cos(w)sen(nπ )
⎧1 , n = 0, 2, 4,...
Como cos(nπ ) = ⎨
⎩− 1 , n = 1, 3, 5,...
Y sen(nπ ) = 0 para n=0, 1,…
Así
2 sen(w)(− 1) sen(w)
π n π
dw = (− 1) ∫
2
∫
n
cn = dw
π 0 w + nπ π 0
w + nπ
(− 1) ∫ sen(u ) du
π
2 n
=
π u + nπ0
sen(u )
∞ ∞ π
∑ c = ∑ (− 1) π ∫ nπ + u du
n 2
Probemos ahora que n es convergente.
n=0 n=0 0
Observación:
Usemos el siguiente criterio para probar esta afirmación:
∞
Sea {a n } una sucesión decreciente que tiende a cero entonces la serie alternada ∑ (− 1)
n
an
n=0
converge.
Llamo
sen(u )
π
2
π ∫ nπ + u
an = du .
0
1) a n decreciente
Debo probar
2) a n → 0
sen(u ) sen(u )
π π
∫0 (n + 1)π + u du ≤ ∫0 nπ + u du
2
Multiplicando en ambos miembros de la desigualdad por
π
34
sen(u ) 2 sen(u )
π π
2
∫
π 0 (n + 1)π + u
du ≤ ∫
π 0 nπ + u
du
Entonces vale a n +1 ≤ a n
∑ (− 1) a
n
Luego como vale 1) y 2), por el criterio antes enunciado, se deduce que n converge.
n=0
sen(u )
n −1 x
De S (x ) = ∑ ck + du para nπ ≤ x ≤ (n + 1)π
2
k =0 π ∫π
n
u
n −1 n
Resulta para n par ∑ ck ≤ S (x ) ≤ ∑ ck para nπ ≤ x ≤ (n + 1)π
k =0 k =0
n n −1
Si n es impar ∑ ck ≤ S (x ) ≤ ∑ ck para nπ ≤ x ≤ (n + 1)π
k =0 k =0
sen(u )
π
2
π ∫ nπ + u
Observemos que si n es par cn = du y c n < c n +1
0
n −1 n −1
∑ ck ≤ S (x ) ≤ ∑ ck + cn
k =0 k =0
n −1 n
∑ ck ≤ S (x ) ≤ ∑ ck
k =0 k =0
35
sen(u )
π
2
π ∫ nπ + u
Si n es impar cn = − du y c n +1 < c n
0
Luego si nπ ≤ x ≤ (n + 1)π
Entonces S [(n + 1)π ] ≤ S ( x ) ≤ S (nπ ) ya que
( n +1)π
sen(u ) 2 sen(u ) 2 sen(u )
n −1 n −1 x n −1 nπ
2
∑c
k =0
k +
π ∫ u
du ≤ ∑ ck + ∫
k= π nπ u
du ≤ ∑ ck + ∫
k =0 π nπ u
du
nπ
sen(u )
n −1 n −1 x n −1
2
∑ ck + cn ≤ ∑ ck +
k =0 k =0 π n∫π u
du ≤ ∑
k =0
ck
n n −1
∑ c k ≤ S (x ) ≤ ∑ c k
k =0 k =0
2 sen(u )
π
du = S (π )
π ∫0 u
Observemos que c0 =
2 sen(u )
π π
2 u 2 π 2
u = (π − 0 ) = 2
2
π ∫0 u π ∫0 u
c0 = du ≤ du = du =
π π 0 π
sen(u )
−π
S (− x ) =
2
π 0 u ∫ du
Si llamo s = u + x
ds = du
Vale que si u=0 ⇒ s=x
Y si u=-x ⇒ s=0
Luego − 2 ≤ S ( x ) ≤ 2 , de donde S ( x ) ≤ 2
2 sen(u )
∞
Resulta de la fórmula bien conocida S (∞ ) =
π ∫0 u
du = 1
sen(u ) 2 Sen(u )
∞ ∞
π 2π
Es decir sabemos que ∫ du = , o sea ∫ du = =1
0
u 2 π 0 u π 2
2 sen(u )
∞
Además S (∞ ) =
π ∫0 u
du
• Si α > 0
lim S (αT ) = S (+ ∞ ) = 1
T → +∞
• Si α < 0
S (− αT ) = − S (αT )
lim S (− αT ) = − lim S (αT ) = − S (+ ∞ ) = −1
T → +∞ T → +∞
• Si α = 0
2 sen(u )
0
S (0) = ∫ du = 0
π0 u
37
La convergencia uniforme resulta de S (α , T ) = S (αT ) para (− ∞,0) ∪ (0,+∞ ) pues en este
intervalo me independizo de α .
sen[t ( z − a )] − sen[t ( z − b )]
+T
LEMA 2: Sea D(T , z , a, b ) =
1
2π ∫
−T
t
dt y
sen[t (z − a )] − sen[t ( z − b )]
+∞
D( z , a, b ) = D(+ ∞, z , a, b )
1
2π ∫
−∞
t
dt
Si además a < b
⎧1 para a < z < b
⎪1
⎪
lim D(T , z , a, b ) = D( z , a, b ) = ⎨ para z = a o z = b
T → +∞
⎪2
⎩⎪0 para z < a o b < z
Demostración:
2 sen(αt )
T
En el Lema anterior definimos S (α , T ) = ∫ dt
π0 t
2 sen[( z − a )t ]
T
Si llamo α = z − a entonces S (α , T ) = S ( z − a, T ) = ∫ dt
π0 t
2 sen[( z − b )t ]
T
Si llamo α = z − b entonces S (α , T ) = S ( z − b, T ) =
π ∫0
dt
t
sen(αt )
Probemos que f (α ) = es par:
t
sen[(− α )t ] sen(− αt ) sen(αt )
f (− α ) = = =− = − f (α )
t t t
Como ∀α , f (− α ) = f (α ) , entonces f (α ) es par
sen[( z − a )t ]
T
Luego S (z − a, T ) =
1
π −T∫ t
dt
sen[( z − b )t ]
T
S (z − b, T ) =
1
π −T∫ t
dt
38
sen[( z − a )t ] 1 sen[( z − b )t ]
T T
S (z − a, T ) − S (z − b, T ) = ∫
1
dt − ∫ dt
π −T t π −T t
sen[( z − a )t ] − sen[( z − b )t ]
T
1
=
π −T∫ t
dt
1
Multiplico por en ambos miembros
2
sen[( z − a )t ] − sen[( z − b )t ]
T
1
[S (z − aT ) − S (z − b, T )] = 1 ∫ dt
2 2π −T
t
Luego
D(T , z , a, b ) =
1
[S (z − aT ) − S (z − b, T )]
2
Por el Lema 1 para todo α ∈ R y T positivo S (α , T ) ≤ 2
D(T , z , a, b ) =
1
[S (z − aT ) − S (z − b, T )] = 1 S (z − a, T ) − S (z − b, T )
2 2
≤ [ S ( z − a, T ) + S ( z − b, T ) ] ≤ (2 + 2) = 4 = 2
1 1 1
2 2 2
Por lo tanto
D(T , z , a, b ) ≤ 2
⎧1 para α < 0
⎪
Por el Lema 1 lim S (α , T ) = ⎨0 para α = 0
T →∞
⎪− 1 para α > 0
⎩
Analicemos
• a < z < b . Podemos concluir que z − a > 0 y z − b < 0 , luego
lim S ( z − a, T ) = 1
T → +∞
lim S ( z − b, T ) = −1
T → +∞
Como D(T , z , a, b ) =
1
[S (z − aT ) − S (z − b, T )] tomo límite en ambos miembros, vale que
2
lim D(T , z , a, b ) =
T → +∞
1
[
2 T →+∞ T → +∞
1
2
]
lim S ( z − aT ) − lim S ( z − b, T ) = [1 − (− 1)] = 2 = 1
1
2
39
• z = a ó z = b . Supongamos que z = b y z > a , podemos concluir que S (z − b, T ) = 0 .
Luego D(T , z , a, b ) = S ( z − a, T )
1
2
Entonces
lim S ( z − b, T ) = −1
T → +∞
Como D(T , z , a, b ) =
1
[S (z − aT ) − S (z − b, T )] tomo límite en ambos miembros, vale que
2
lim D(T , z , a, b ) =
T → +∞
1
[
2 T →+∞ T → +∞
1
2
]
lim S ( z − aT ) − lim S ( z − b, T ) = [(− 1) − (− 1)] = (− 1 + 1) = 0
1 ⎧ sen[t ( z − a )] − sen[t ( z − b )] ⎫
∞ ∞ ∞
⎡ e − ita − e − itb ⎤
1
∫− ∞ ⎢⎣
Re ϕ (t ) ⎥ dt = ∫ ⎨∫ dF (z )⎬dt (3.3)
2π it ⎦ 2π − ∞ ⎩− ∞ t ⎭
En efecto puesto que:
eit ( z − a ) − e − it ( z − a ) eitz e − ita e − itz eita
sen[t ( z − a )] = = −
2i 2i 2i
eit ( z − b ) − e − it ( z − b ) eitz e − itb e − itz eitb
sen[t ( z − b )] = = −
2i 2i 2i
sen[t ( z − a )] − sen[t (z − b )] 1 ⎡ e itz e − ita e − itz e ita e itz e − itb e − itz e itb ⎤
= ⎢ − − + ⎥
t t ⎣ 2i 2i 2i 2i ⎦
= ⎢
( −
) ( )
1 ⎡ e itz e − ita − e − itb e − itz e ita − e itb ⎤
⎥
t⎣ 2i 2i ⎦
= ⎢
( −
) (
1 ⎡ e itz e −ita − e −itb e itz e −ita − e −itb )⎤⎥
t ⎢⎣ 2i − 2i ⎥⎦
40
( ) (
sen[t ( z − a )] − sen[t ( z − b )] 1 ⎧⎪ e itz e −ita − e −itb ⎡ e itz e −ita − e −itb
= ⎨
)⎤ ⎫⎪
⎢ ⎥⎬
t t⎪ 2i ⎣ 2i ⎦ ⎪⎭
⎩
1 (
⎡ eitz e − ita − e − itb ⎤
= 2 Re ⎢
)
t 2i ⎥
⎣ ⎦
+∞
sen[t ( z − a )] − sen[t (z − b )]
( )
+∞
(
⎡ eitz e − ita − e − itb )⎤dF (z )
∫
−∞
t
dF z = ∫ ⎢⎣
−∞
Re
it ⎥
⎦
⎡+ ∞
= Re ⎢ ∫ eitz
(
e − ita − e − itb ) ⎤
dF ( z )⎥
⎣−∞ it ⎦
⎡∞
= Re ⎢ ∫ eitz dF ( z )
(
e − ita − e − itb ⎤ )
⎥
⎣− ∞ it ⎦
⎡
= Re ⎢ϕ (t )
(
e − ita − e − itb ⎤ )
it ⎥
⎣ ⎦
1
Así si integramos nuevamente y multiplicamos por
2π
1 ⎧ sen[t ( z − a )] − sen[t ( z − b )] ⎫
∞ ∞ ∞
⎡ e − ita − e − itb ⎤
1
∫ ⎢⎣ ( ) ( )
2π −∫∞ ⎩−∫∞
Re ϕ t ⎥ dt = ⎨ dF z ⎬dt
2π −∞
it ⎦ t ⎭
Hasta ahora hemos probado que algebraicamente (3.3) vale.
Por otra parte, puesto que a y b son puntos de continuidad, se tiene, según el Lema 2
+∞
F (b ) − F (a ) = ∫ D( z , a, b )dF ( z )
−∞
Para demostrar
∞
⎡ e − ita − e − itb ⎤
F (b ) − F (a ) = ∫ Re⎢⎣ϕ (t ) it ⎥⎦ dt
1
2π −∞
Basta probar, por consiguiente, que es posible cambiar el orden de integración en las integrales
en el segundo miembro de (3.3).
sen[t (z − a )] − sen[t ( z − b )]
+∞
dt , que representa D( z , a, b ) no
1
La dificultad es que la integral
2π ∫
−∞
t
41
a − δ < z < a + δ y b − δ < z < b + δ , donde δ es un número positivo arbitrariamente pequeño.
Además, en estos intervalos D(T , z , a, b ) ≤ 2 . Puesto que a y b son puntos de continuidad de
+∞ +∞
F ( x ) , se tiene lim
T → +∞ ∫ D(T , z, a, b)dF (z ) = ∫ D(z, a, b )dF (z ) = F (b) − F (a ) .
−∞ −∞
1 ⎧ sen[t ( z − a )] − sen[t (z − b )] ⎫
∞ ∞ T
F (b + 0 ) + F (b − 0 ) F (a + 0 ) − F (a − 0 ) 1
∞
⎡ e − ita − e − itb ⎤
2
−
2
=
2π ∫ Re⎢⎣ϕ (t ) it ⎥⎦ dt
−∞
F (x + h ) − F (x − h ) sen(th )
+∞
f ( x ) = lim
h →0 2h
= lim
h → 0
1
4π ∫th
[
ϕ (t )e −itx + ϕ (− t )e itx dt ]
−∞
Puesto que
e − it ( x − h ) − e − it ( x + h ) eit ( x − h ) − eit ( x + h ) ⎤
+∞
⎡
F (x + h ) − F (x − h ) = ∫ ⎢ϕ (t ) − ϕ (− t )
1
2π 2it 2it ⎥dt
−∞ ⎣ ⎦
∞
1 ⎡ − itx ith
e e −e e − itx − ith
e e −e e ⎤
itx − ith itx ith
= ∫ ⎢ϕ (t ) − ϕ (− t ) ⎥dt
2π − ∞ ⎣ 2it 2it ⎦
1 ⎡ ∞
( ) (
e − itx eith − e − ith
( ) ) (
eitx eith − e − ith )⎤ dt
=
2π ∫⎢
−∞ ⎣
ϕ t
t 2i
+ ϕ − t
t 2i ⎥
⎦
∞
1 ⎡ e − itx eitx ⎤
( ) ( ) ( ) ( )
2π −∫∞ ⎣
= ⎢ϕ t sen th + ϕ − t sen th ⎥dt
t t ⎦
sen(th )
∞
=
1
2π ∫ t
[
ϕ (t )e − itx + ϕ (− t )eitx dt ]
−∞
42
Divido ambos miembros en 2h
F (x + h ) − F (x − h ) 1 sen(th )
∞
2h
=
4π ∫ th
[
ϕ (t )e − itx + ϕ (− t )eitx dt ]
−∞
F (x + h ) − F (x − h ) sen(th )
∞
lim
h→∞ 2h
= lim
1
h → ∞ 4π ∫ th
[
ϕ (t )e − itx + ϕ (− t )eitx dt ]
−∞
sen(th )
+∞
Puesto que ∫ ϕ (t )dt existe y th
[ ]
ϕ (t )e −itx + ϕ (− t )e itx ≤ 2 ϕ (t ) ya que
−∞
sen(th ) sen(th )
th
[
2 Re ϕ (t )e −itx = 2] th
Re ϕ (t )e −itx ≤ 2
th
(
th
)
ϕ (t )e −itx = 2 ϕ (t ) e −itx
= 2 ϕ (t )
∫ ϕ (t ) e
2 −itx2
≤ − e −itx1 dt
π −∞
43
tx2 tx2
• ∫ sen(z )dz = − cos(z ) = −[cos(tx 2 ) − cos(tx1 )]
tx1 tx1
tx2 tx2
• ∫ cos(z )dz = sen(z )
tx1 tx1
= sen(tx 2 ) − sen(tx1 )
Por lo tanto
tx 2 tx 2
⎛ tx 2 tx 2
⎞ tx 2
e − itx 2 − e − itx1 = − ∫ sen( z )dz + i ∫ cos( z )dz = i⎜ ∫ cos( z )dz + i ∫ sen( z )dz ⎟ = i ∫ e z dz
⎜ tx ⎟ tx
tx1 tx1 ⎝ 1 tx1 ⎠ 1
e −itx2
−e − itx1
= i ∫ e dz ≤
z
∫e
z
dz = ∫ dz = tx 2 − tx1 = t ( x 2 − x1 ) ≤ t x 2 − x1
tx1 tx1 tx1
Por lo tanto
∞ ∞
f ( x 2 ) − f (x1 ) ≤ ∫ ϕ (t ) e
2 2 2
−itx2
−e − itx1
dt ≤ x 2 − x1 T ∫ dt = x 2 − x1 T < ε
π −∞
π −∞
π
δπ
Si x 2 − x1 <
2T
Teorema 3.2:
Las funciones de distribución Fn ( x ) , n=1, 2,… convergen hacia una función de distribución
Demostración:
Demostraremos primero que la condición es necesaria. Hay que demostrar que si
lim Fn ( x ) = F ( x ) en todo punto de continuidad de F ( x ) , se sigue que lim ϕ n ( x ) = ϕ ( x ) (3.5) con
n →∞ n→∞
∞
ϕ (t ) = ∫ e ixt dF (x ) , siendo en (3.5) la convergencia en todo el intervalo finito.
−∞
Sea ε > 0
Elijamos un número λ > 0 tal que − λ y λ sean puntos de continuidad de F (x ) tales que
ε ε
F (− λ ) < y F (λ ) > 1 −
8 8
44
ε
Entonces ∫ λe
ixt
dF ( x ) < , en efecto
x>
4
−λ ∞ −λ c
∫ e dF (x ) ≤ ∫ e dF (x ) = ∫ dF (x ) = ∫ dF (x ) + ∫ dF (x ) = lim ∫ dF (x ) + lim ∫ dF (x )
ixt ixt
c →∞ c →∞
x >λ x >λ x >λ −∞ λ −c λ
∫ dF (x ) = ∫ f (x )dx = F (x ) + c
Calculemos ahora
−λ −λ
∫ dF (x ) = F (x )
−c −c
= F (− λ ) − F (− c )
∫ dF (x ) = F (x ) = F (c ) − F (λ )
λ λ
Luego
−λ c
= F (− λ ) − F (− ∞ ) + F (∞ ) − F (λ ) = F (− λ ) − 0 + 1 − F (λ )
ε ε ε
< +1−1+ =
8 8 4
Y para n ≥ n1 , al no depender de n, nada más que de ε , se tiene
ε ε
Fn (− λ ) < y Fn (λ ) > 1 −
8 8
Luego
ε
∫ λe
ixt
dF (x ) < para n ≥ n1 .
x>
4
En efecto:
45
∞ ∞
ϕ n (t ) − ϕ (t ) = ∫ e dFn (x ) − ∫ e dF (x )
ixt ixt
−∞ −∞
−λ λ ∞ −λ λ ∞
= ∫ e dFn (x ) + ∫ e dFn (x ) + ∫ e dFn (x ) − ∫ e dF (x ) − ∫ e dF (x ) − ∫ e dF (x )
ixt ixt ixt ixt ixt ixt
−∞ −λ λ −∞ −λ λ
λ λ
= ∫ λe
ixt
dFn ( x ) + ∫ e dFn ( x ) −
ixt
∫ λe
ixt
dF ( x ) − ∫ e ixt dF ( x )
x> −λ x> −λ
λ λ
≤ ∫λe
ixt
dFn ( x ) − ∫ e ixt dF ( x ) + ∫ λe
ixt
dFn ( x ) + ∫ λe
ixt
dF ( x )
− −λ x> x>
λ
ε ε
< ∫λe [dF (x ) − dF (x )] + 4 + 4
ixt
n
−
λ
ε
= ∫λe d [F (x ) − F (x )] + 2
ixt
n
−
∫ e d [Fn (x ) − F (x )] ≤ Fn (λ ) − F (λ ) + Fn (− λ ) − F (− λ ) + T ∫ Fn (x ) − F (x )dx
ixt
(3.7)
−λ −λ
En efecto:
Llamo
u = eixt du = eixt it dx
dv = d [Fn ( x ) − F ( x )] v = Fn ( x ) − F ( x )
λ λ
−λ −λ
λ
≤e ixλ
Fn (λ ) − F (λ ) + e −ixλ
Fn (− λ ) − F (− λ ) + ∫λ e
ixt
it Fn ( x ) − F ( x ) dx
−
46
λ λ
∫ e d [Fn (x ) − F (x )] ≤ Fn (λ ) − F (λ ) + Fn (− λ ) − F (− λ ) + ∫ t Fn ( x ) − F ( x ) dx
ixt
−λ −λ
λ
= Fn (λ ) − F (λ ) + Fn (− λ ) − F (− λ ) + t ∫ F (x ) − F (x )dx
n
−λ
Como t ≤ T
λ λ
∫ e d [F (x ) − F (x )] ≤ F (λ ) − F (λ ) + F (− λ ) − F (− λ ) + T ∫λ F (x ) − F (x )dx
ixt
n n n n
−λ −
integración y del paso al límite y el segundo miembro de (3.7) y, por consiguiente según (3.6);
también ϕ n (t ) − ϕ (t ) tienden uniformemente a cero para t ≤ T .
Es decir
λ
ε
ϕ n (t ) − ϕ (t ) ≤ Fn (λ ) − F (λ ) + Fn (− λ ) − F (− λ ) + T ∫λ F (x ) − F (x )dx + 2
n
−
Según un teorema conocido de Helly, se puede extraer de la sucesión {Fn ( x )} una subsucesión
{F (x )}
nk que converge hacia una función monótona no decreciente F (x ) en todo punto de
continuidad de esta.
Demostraremos ahora que esta función F ( x ) es una función de distribución. Basta demostrar
que F (∞ ) = 1 , F (− ∞ ) = 0 y F (x ) es continua por la izquierda. Esta última condición puede
realizarse siempre por una modificación conveniente de F (x ) en sus puntos de continuidad.
Puesto que F ( x ) es límite de funciones de distribución se tiene siempre que 0 ≤ F (x ) ≤ 1 . Basta,
entonces, demostrar que F (∞ ) − F (− ∞ ) = 1 .
Demostraremos, primero la fórmula siguiente para x>0.
1 − cos( xt )
x ∞
∫ [F ( y ) − F (− y )]dy = π ∫ ϕ n (t )dt
1
n (3.8)
0 −∞
t2
En efecto
47
1 − cos( xt ) 1 ⎡ 1 − cos( xt ) ⎤
∞ ∞ ∞
I n (t ) = ( ) cos( yt )dt ⎥dFn ( y )
1
∫
π −∞ t 2
ϕ n t dt = ∫ ⎢∫
π − ∞ ⎣− ∞ t 2
⎦
Ya que
Fn ( y ) − Fn (− y ) =
1
∞
(
⎡ ϕ n (t ) e − ity − e − ity ⎤ )
2π ∫ Re⎢⎣
−∞
it ⎥dt
⎦
sen(ty ) ⎤
∞
⎡
∫ Re⎢⎣ϕ (t )2
1
= dt
2π t ⎥⎦
n
−∞
sen(ty ) ⎤
∞
⎡
∫ Re⎢⎣ϕ (t )
1
= dt
π t ⎥⎦
n
−∞
Así
1 − cos(tx ) ⎤
x ∞
⎡
∫ [ F ( y ) − F (− y )]dy = π ∫ Re⎢⎣ϕ (t )
1
n n n
t2 ⎥⎦dt
0 −∞
⎡ ∞ iyt 1 − cos(tx ) ⎤
∞
⎢ ∫ e dFn ( y )
1
= ∫ Re
π − ∞ ⎣− ∞ t2
⎥dt
⎦
1 ⎡ 1 − cos(tx ) ⎤
∞ ∞
= ∫ ⎢ ∫ Re eiyt
π − ∞ ⎣− ∞ t2
( )
dt ⎥dFn ( y )
⎦
Como eiyt = cos( yt ) + isen( yt )
1 − cos(tx )
⎡∞ ⎤
x ∞
1 − cos( xt )
Siendo integrable y ϕ n (t ) ≤ 1 , se puede cambiar el orden de las integraciones.
t2
Se sabe que
48
1 − cos( xt )
∞
1
π −∞ ∫ t2
dt = x (3.9)
∫− c t 2
dt = −
t −c
+
t −c
+ x∫
−c
t
dt
cos( xc ) sen( xt )
c
2
=− +2 + x∫ dt
c c −c
t
sen( xt )
∞
=x∫ dt
−∞
t
sen(xt ) sen( xt )
∞
Si f (t ) = es impar resuelta que ∫ dt = 0
t −∞
t
1 − cos( xt )
∞
1 π
π −∞ ∫ t 2
dt = x 2 = x , x>0
2
De donde resulta
⎧0 para y ≤ − x
⎪
1 1 − cos( xt ) ⎪ x + y para − x ≤ y ≤ 0
∞
∫ cos( yt )dt = ⎨
π −∞ t 2
⎪ x − y para 0 ≤ y ≤ x
⎪⎩0 para x ≤ y
Luego
x
I n (x ) = ∫ (x − y )dF ( y )
−x
n
1 − cos( xt )
∞
Fn ( x ) − Fn (− x ) ≥ ϕ n (t )dt
1
π −∞ ∫xt 2
Ya que si tomo x ≥ y
Fn ( x ) − Fn (− x ) ≥ Fn ( y ) − Fn (− y )
Integrando en ambos miembros entre 0 y x
x x
Como
x
∫ [F (x ) − F (− x )]dy = x[F (x ) − F (− x )]
0
n n n n
1 − cos( xt )
∞
x[Fn ( x ) − Fn (− x )] ≥ ϕ n (t )dt
1
π −∞ t2∫
Luego
π xt
−∞
Supongamos que x y –x son dos puntos de continuidad de F (x ) y que n recorre la sucesión {nk } .
Aplicando siempre el Teorema de Lebesgue sobre intercambio del paso al límite y de la
integración, se puede escribir:
1 − cos(u ) ⎛ u ⎞
∞
F (x ) − F (− x ) ≥
1
∫
π −∞ u 2
ϕ ⎜ ⎟du
⎝ x⎠
(3.11)
1 − cos( xt )
∞
Fn ( x ) − Fn (− x ) ≥ ϕ n (t )dt
1
π −∞ ∫xt 2
50
Tomando límite en ambos miembros podemos escribir:
1 − cos( xt )
∞
lim[Fn ( x ) − Fn (− x )] ≥ ϕ n (t )dt
1
n →∞
lim
π n→∞ −∞ ∫xt 2
Por un lado analicemos
lim[Fn (x ) − Fn (− x )] = lim Fn ( x ) − lim Fn (− x ) = F ( x ) − F (− x )
n→∞ n→∞ n →∞
Además
Teorema de Lebesgue y teniendo en cuenta (3.9) que si tomo límite para x → ∞ en (3.10) se
tiene:
1 − cos(u ) ⎛ u ⎞
∞
lim[F ( x ) − F (− x )] ≥
1
x →∞
lim
π x→∞ −∞ u 2∫ ϕ ⎜ ⎟du
⎝ x⎠
Si analizamos
lim[F ( x ) − F (− x )] = lim F ( x ) − lim F (− x ) = F (∞ ) − F (− ∞ )
x →∞ x →∞ x →∞
1 − cos(u )
∞
1 1 π
= ∫
π −∞ u 2
du = 2 = 1
π 2
Es decir
F (∞ ) − F (− ∞ ) ≥ 1
Como 0 ≤ F (− ∞ ) ≤ 1 ⇒ −1 ≤ − F (− ∞ ) ≤ 0 , también 0 ≤ F (∞ ) ≤ 1
Entonces F (∞ ) − F (− ∞ ) ≤ 1
Así podemos concluir que
F (∞ ) − F (− ∞ ) = 1
Por consiguiente F (∞ ) = 1 y F (− ∞ ) = 0 ; F (x ) es, sin duda, una función de distribución.
Queda aún por ver que ϕ (t ) es la Función Característica de F ( x ) y que toda sucesión {Fn ( x )}
converge hacia F (x ) ; para esto, según el teorema de Helly, basta demostrar que no se puede
extraer de la sucesión {Fn (x )} ninguna subsucesión convergente hacia una función diferente de
51
F ( x ) . Pero estas dos proposiciones resultan inmediatamente del Teorema 3.1 b) y de la parte
demostrada antes del Teorema 3.2.
Luego de la sucesión de funciones de distribución {Fn ( x )} n=1, 2,… no se puede extraer ninguna
resulta de la primera parte del Teorema 3.2 (condición necesaria). El teorema 3.2 queda, pues,
demostrado completamente.
52
SECCIÓN 4
Teoremas Límites
∑ξ
i =1
i − np
acumulada de
np(1 − p )
Las variables aleatorias ξ k son una especie muy particular: solamente toman los valores 0 y 1. El
Teorema Central del Límite, como generalización inmediata del Teorema de DeMoivre-Laplace
se enuncia así.
53
Teorema 4.2:
Sean ξ1 , ξ 2 ,..., ξ n variables aleatorias mutuamente independientes e idénticamente distribuidas,
para las cuales se supone que M = E(ξ n ) y D = V(ξ n ) > 0 existen, sean
n
α n − E (α n )
α n = ∑ ξ k y α n* =
k =1 V (α n )
Demostración:
Sea ϕ(t ) la Función Característica de η k = ξ k − M y ϕ n (t ) la Función Característica de α n .
α − E (α n )
∑ ξ k − E⎜ ∑ ξ k ⎟
k =1 ⎝ k =1 ⎠=
∑ ξ k − ∑ E (ξ k ) ∑ ξ k − nE (ξ k ) ∑ξ k − nM
α = n
*
= k =1 k =1
= k =1
= k =1
V (α n ) nV (ξ k ) nV (ξ k )
n
⎛ n ⎞ n
V ⎜ ∑ξk ⎟ ∑V (ξ ) k
⎝ k =1 ⎠ k=
n
1 nM
=
nV (ξ )
∑ξ k =1
k −
nV (ξ k )
k
n
⎡ −i Mt
⎛ t ⎞⎤
= ⎢e nD
ϕ ξ k ⎜⎜ ⎟⎟⎥
⎣⎢ ⎝ n D ⎠⎦⎥
Además
ϕ (t ) = ϕη = ϕ ξk k −M
= e − iMt ϕ ξ k (t )
Luego
n
⎡ ⎛ t ⎞⎤
ψ n (t ) = ⎢ϕ ⎜⎜ ⎟⎟⎥
⎣ ⎝ n D ⎠⎦
⎛ t2 ⎞ ⎛1⎞
Del Teorema 2.9, ya que E (η k ) = 0 y o⎜⎜ 2 ⎟⎟ = o⎜ ⎟ resulta
⎝ D n⎠ ⎝n⎠
54
⎛ ⎞t t2 ⎛1⎞
ϕ ⎜⎜ ⎟⎟ = 1 − + o⎜ ⎟
⎝D n⎠ 2n ⎝n⎠
Pues
2
⎛ t ⎞ M 1it M ⎛ it ⎞ ⎛1⎞
ϕ ⎜⎜ ⎟⎟ = 1 − + 2 ⎜⎜ ⎟⎟ + o⎜ ⎟
⎝D n⎠ 1! D n 2! ⎝ D n ⎠ ⎝n⎠
Por hipótesis E(η k ) = 0 ⇒ E(ξ k − M ) = 0 ⇒ E[ξ k − E(ξ k )] = 0 ⇒ M 1 = 0
Luego
2
⎛ t ⎞ M ⎛ it ⎞ ⎛1⎞
ϕ ⎜⎜ ⎟⎟ = 1 − 2 ⎜⎜ ⎟⎟ + o⎜ ⎟
⎝D n⎠ 2! ⎝D n⎠ ⎝n⎠
⎛ ⎞t t2 ⎛1⎞
ϕ ⎜⎜ ⎟⎟ = 1 − + o⎜ ⎟
⎝D n⎠ 2n ⎝n⎠
t2
−
Se concluye que lim ψ n (t ) = e 2
si − ∞ < t < +∞ lo cual prueba el Teorema 4.2, en razón del
n → +∞
Teorema 3.2.
Así utilizando el método de las Funciones Características se demuestra la versión más
difundida del Teorema Central del Límite.
Sin embargo, el método de las Funciones Características ha sido aplicado, en primer
lugar, por Ljapunóff. El ha demostrado, por este método, que el Teorema Central del Límite era
aplicable con hipótesis mucho más generales.
Teorema 4.3:
Supongamos que ξ1 , ξ 2 ,..., ξ n son variables aleatorias mutuamente independientes con
K n = 3 H 13 + H 32 + ... + H 3n
55
n
α n = ∑ ξk
k =1
α n − E(α n )
α *n =
V(α n )
Kn
lim =0 (4.1)
n →∞ Sn
se verifica entonces
lim Fn ( x ) = Φ(x ) para − ∞ < x < ∞
n →∞
Observación:
• La condición se cumple, evidentemente, cuando todas las ξ k tienen la misma
distribución. En efecto, en este caso:
V (ξ k ) = Dk = H
H k = E (ξ k − M k ) = H
K n = 3 H 13 + H 23 + ... + H n3 = 3 nH 3 = 3 n H
Así
Kn H 3
n H 6
n2 H 1
lim = lim = lim = lim 6 = 0
n→∞ S n →∞ D D n →∞ 6 n 3 D n →∞ n
n n
Kn c
≤3 y puesto que S n → ∞ se verifica (4.1) pues
Sn Sn
( ) = E (ξ )
∞
H k3 = E ξ k − M k − M k ξk − M k = ∫ξ − M k ξ k − M k dFk ( x )
3 2 2
k k
−∞
( ) = cD
∞
≤ ∫cξ − M k dFk ( x ) = cE ξ k − M k
2 2 2
k k
−∞
Kn c
Probemos también que: ≤3
Sn Sn
56
En efecto,
Kn
≤
3
(
c D12 + D22 + ... + Dn2 )= (
c 2 D12 + D22 + ... + Dn2 )
2
=6
c2
(D ) ( )
6
Sn D12 + D22 + ... + Dn2 1
2
+ D22 + ... + Dn2
3
D12 + D22 + ... + Dn2
c2 c
=6 =3
Sn
2
Sn
Kn c
lim ≤ lim 3 =0
n→∞ S n→∞ Sn
n
• Ljapunóff ha demostrado el Teorema Central del Límite con hipótesis más generales
todavía. Para esto basta suponer la existencia, en lugar del tercer momento de orden β
K n (β )
( β > 2 cualquiera) y, en lugar de (4.1) exigir lim =0 (4.2) donde
n→∞ Sn
⎛ n
( ) ⎞
1
K n (β ) = ⎜⎜ ∑ E ξ k − M k
β β
⎟
⎟
⎝ k =1 ⎠
• Este Teorema, en comparación con el Teorema 4.2, relaja la hipótesis de idéntica
Kn
distribución, requiere que existan los tres primeros momentos y además que lim = 0.
n →∞ S
n
Lindeberg ha propuesto una condición más general aún, que permite demostrar el teorema
Central del Límite. Este es:
Teorema 4.4:
Sean ξ1 , ξ 2 ,..., ξ n variables mutuamente independientes, cuya esperanza matemática
M k = E(ξ k ) y D k = V(ξ k ) existen para todo entero k. Si definimos como:
S n = D12 + D 22 + ... + D 2n
∑ (ξ − Mk )
se tiene lim P(α * < x ) = Φ (x )
k
entonces para α = *
n
k =1
Sn n →∞
57
De la condición (4.1) se deduce (4.3), en efecto
∞ 3
n
1 ⎛ Kn ⎞
x dFk (x ) ≤ 3 ∫−∞ x dFk (x ) = ε ⎜⎜⎝ S n
1 1
∑ ∫ ⎟⎟
2 3
S n2 k =1 x > εS n εS n ⎠
Ya que
n n
x 2 εS n n
S n2
∑ ∫
k =1 x > S n εS n εS n
∑ ∫ x εS
k =1 x > S n
2
n
ε ε
n n
x dFk ( x ) = dFk ( x )
1 1
< ∑ ∫x ∑x
2 3
εS n3 εk =1 x > S n εS n3 k =1
n ∞
dFk ( x )
1
≤ 3 ∑∫x
3
εS n k =1 − ∞
∞ 3
n
Veamos ahora que ∑∫x dFk ( x ) = K n3
k =1 − ∞
Ya definimos
K n = 3 H 13 + ... + H n3 ⇒ K n3 = H 13 + ... + H n3 = E ξ1 − M 1 ( 3
)+ ... + E (ξ n − Mn
3
)
∞ ∞
= ∫ ξ1 − M 1 dF1 (x ) + ... ∫ ξ n − M n dFn (x )
3 3
−∞ −∞
n ∞ n ∞
= ∑ ∫ ξ k − M k dFk ( x ) = ∑ ∫x dFk ( x )
3 3
k =1 − ∞ k =1 − ∞
Como (4.3) se deduce de (4.2) basta demostrar el Teorema 4.4 y quedara demostrado el Teorema
4.3
Demostremos el Teorema 4.4. Si ϕ k (t ) es la Función Característica de η k = ξ k − M k entonces
⎛ t ⎞ ⎛ itx ⎞ ∞ itx
⎟⎟ = E ⎜ e S n ⎟ = e sn dF ( x )
⎟ −∫∞
ϕ k ⎜⎜ (4.4)
⎝ Sn ⎠ ⎜ k
⎝ ⎠
Necesitamos el lema elemental siguiente:
(iu ) j
k
k −1 u
LEMA: Para u real y k=1, 2,… se tiene e − ∑ iu
≤
j =0 j! k!
La demostración la haremos por inducción, en efecto probaremos que vale para k=1
u u
e − 1 = 2[1 − cos(u )] = 2 ∫sen(v )dv ≤2 ∫v dv = u 2
iu 2
1.
0 0
58
(e iu
)
− 1 = [cos(u ) + isen(u ) − 1] = [cos(u ) + isen(u )] − 2[cos(u ) + isen(u )] + 1
2 2 2
Como
u u
Vale que
u u
v2 u
e - 1 = 2[1 - cos(u )] = 2 ∫sen(v )dv ≤2 ∫v dv = 2
2
iu
= u2
0 0
2 0
(iu ) j
k +1
k u
e −∑iu
≤
j =0 j! k!
e iu ─ ∑
k
(iu ) j u
⎡ k −1
= ∫ i ⎢e iv − ∑
(iv ) j ⎤ dv
⎥
j =0 j! 0 ⎣ j =0 j! ⎦
Puesto que
u
⎡ iv k─ 1 (iv ) j ⎤ u k─ 1 j +1 u
i e iv u k─ 1 i j +1 v j +1 u
i ⎢ e ∑
∫0 ⎣ j =0 j! ⎦ ∫0
− ⎥ dv =i e iv
dv − ∑
j = 0 j! 0
∫ v j
dv = i −∑
i 0 j =0 j! j + 1 0
k─ 1 j +1 j +1
i v
= e iu − e 0 − ∑
j = 0 ( j + 1)!
Si llamo m=j+1
e −1− ∑
i mvm k
= e iu − 1 − ∑
k
(vi ) = e iu − k (vi ) m m
iu
m =1 m! j = 0 m!
∑
m = 0 m!
59
(iu ) j (iv ) j (iv ) j dv = u v dv = u v k +1 dv
k +1
k
⎛ u k ⎞ u k
e ─∑iu
≤∫ i⎜⎜ e iv ─ ∑ ⎟dv ≤ ∫ e iv ─ ∑
⎟ ∫0 k! ∫0 k!
j =0 j! 0 ⎝ j =0 j! ⎠ 0 j =0 j!
v k +2 u u k +2 0 u k +2 u k +2 u k +2
= = − = ≤ =
(k + 2)k! 0 (k + 2)k! (k + 2)k! (k + 2)k! (k + 1)k! (k + 1)!
Luego es válido para k+1. Así es válido para todo k, por lo que el lema queda demostrado.
Se tiene pues, desarrollando por Taylor alrededor de x=0:
itx (it ) x 2
itx 2
(1) itx t 2 x 2
e Sn
= 1+ + + rk = 1 + − + rk(1) (4.5)
1! S n 2! S n
2
S n 2S n 2
Si k=3
j 3
⎛ itx ⎞ tx
itx ⎜⎜ ⎟⎟
S S
−∑⎝ n ⎠ ≤ n
2
Sn
e (4.6)
j =0 j! 3!
Es decir
3 j 3
tx ⎛ itx ⎞ itx
⎜ ⎟
2 ⎜S ⎟
itx
Sn S
− ≤e Sn
−∑⎝ n ⎠ ≤ n
3! j =0 j! 3!
3 j 3 j
tx ⎛ itx ⎞ tx ⎛ itx ⎞
⎜ ⎟ ⎜ ⎟
2 ⎜S ⎟ 2 ⎜S ⎟
itx
Sn S
− + ∑ ⎝ n ⎠ ≤ e Sn ≤ n +∑⎝ n ⎠
3! j =0 j! 3! j =0 j!
Sea ahora ε > 0 . Separemos la integral (4.4) en dos partes
itx − εS itx εS itx itx
⎛ t ⎞ ∞ Sn n n ∞
ϕ k ⎜⎜ ⎟⎟ = ∫ e dFk ( x ) = ∫ e dFk (x ) + ∫ e dFk ( x ) + ∫ e S n dFk ( x )
Sn Sn
⎝ Sn ⎠ −∞ −∞ −εs n εS n
εS n itx itx
= ∫ε e
Sn
dFk ( x ) + ∫ε e
Sn
dFk ( x )
− Sn x > Sn
Consideremos en primer lugar la primera integral del segundo miembro, usando (4.5)
60
itx (it ) x 2
εS n itx εS n
⎛ 2
(1) ⎞
∫ e dFk ( x ) =
Sn
∫ ⎜ 1 +
⎜ 1! S + + r1
⎟dFk (x )
⎟
−εS n −εS n ⎝ n 2! S n
2
⎠
εS n εS n εS n
it t2
= ∫ 1dFk (x ) + ∫ xdFk (x ) − ∫ε x dFk ( x ) + Rk(1)
2
−εS n
Sn −εS n 2S n2 − Sn
Usando el lema
⎡ tx 3
⎛ itx ⎞
j
⎤
⎢ ⎜ ⎟ ⎥
εS n itx εS n 2 ⎜S ⎟
⎢ Sn ⎥
∫ e Sn
dFk ( x ) ≤ ∫ ⎢− 3! +∑⎝ n ⎠ ⎥ dFk ( x ) =
−εS n ⎢
j!
−εS n j =0
⎥
⎢ ⎥
⎣ ⎦
3
t
εS n εS n εS n εS n
it t2 Sn
= ∫ dFk ( x ) + ∫ k ( ) − ∫x dFk ( x ) − ∫x dFk (x )
3
xdF x 2
−εS n
Sn −εS n 2S n2 ε
− Sn
3! ε
− Sn
61
Usando (4.8) vale que
⎡ ⎛ itx ⎞ tx 2 ⎤
itx ⎢ 1 ⎜⎜ ⎟⎟ ⎥
⎢ ⎝ Sn ⎠ Sn ⎥
∫ e dFk (x ) ≤ x >∫εS ⎢∑ + ⎥dFk (x )
Sn
n ⎢
= j! 2!
x > εS n j 0
⎥
⎢⎣ ⎥⎦
2
it t
= ∫ dFk ( x ) + ∫ ( ) + ∫ x dFk (x )
2
xdFk x
x > εS n
1!S n x > εS n
S n 2! x >εS n
2
Por lo tanto
2
t
dFk ( x )
2
R ≤ ∫ε x
2
k
2!S n2 x > Sn
ϕ k ⎜⎜ ⎟⎟ = ∫ e S n dFk (x ) + ∫e
Sn
dFk ( x )
⎝ S n ⎠ − εS n x > εS n
εS n εS εS
it n t2 n 2
= ∫ dFk ( x ) + ∫ x dFk ( x ) − ∫ x dFk ( x ) + Rk(1)
− εS n
S n1! −εS n S n 2!−εS n
it
+ ∫ε dFk ( x ) + ∫ε xdF (x ) + R
k
(2 )
k
x > Sn
Sn x > Sn
∞ ∞ εS
it t2 n
∞
Como
−∞
∫ dF (x ) = 1 ,
k además E (η k ) = E (ξ k − M k ) = E (ξ k ) − M k = M k − M k = 0 , y
εS n
∫x
2
dFk ( x ) = Dk2 y si llamo Rk(3 ) = Rk(1) + Rk(2 ) vale que:
ε
− Sn
εt
3 2
⎛ t ⎞ t2 t
ϕ k ⎜⎜ ⎟⎟ = 1 − Dk2 + Rk(3 ) donde Rk(3) = Rk(1) + Rk(2 ) ≤ D 2
k + ∫ε x
2
dFk ( x )
⎝ Sn ⎠ S n 2! 6S n2 2S n2 x > Sn
máxDk
Demostremos que la condición de Lindeberg implica lim 1≤ k ≤ n
=0
n→∞ Sn
En efecto
62
∞
D =2
k ∫x
2
dFk ( x ) = ∫ε x 2 dFk ( x ) + ∫ε x
2
dFk ( x )
−∞ x ≤ Sn x > Sn
∞ ∞
x ≤εS n x ≤εS n −∞ −∞
Además
n
∫ε x 2 dFk ( x ) ≤ ∑ ∫ε x
2
dFk ( x )
x > Sn k =1 x > S n
Luego
n
Dk2 ≤ ε 2 S n2 + ∑ ∫ε x
2
dFk ( x )
k =1 x > S n
máx Dk2 n
dFk ( x )
1
1≤ k ≤ n
S 2
≤ε2 +
S n2
∑ ∫x
k =1 x > S n
2
n ε
máx Dk2 ⎡ n ⎤
dFk ( x )⎥ = ε 2 + 0 = ε 2
1
lim sup 1≤ k ≤ n 2
n →∞ Sn
≤ lim sup ⎢ε 2 + 2
n →∞ ⎢ Sn
∑ ∫x 2
⎥⎦
⎣ k =1 x > S n
ε
máx Dk2
lim sup 1≤ k ≤ n 2 ≤ ε2 =ε
n →∞ Sn
n →∞ Sn n →∞ S 2
n
n →∞
S 2
n
n→∞ Sn
máx Dk
= lim sup 1≤ k ≤ n ≤ε
n→∞ Sn
máxDk
Como ε > 0 se puede tomar arbitrariamente pequeño resulta que: lim 1≤ k ≤ n
=0
n→∞ Sn
63
Elijamos ahora n0 (ε ) tal que n ≥ n0 (ε ) se tenga
n máxDk
∫ x dFk (x ) < ε y
1
S n2
∑k =1 x >εS n
2 1≤ k ≤ n
Sn
<ε
1 1 t 2 Dk2
Sea además ε < , luego ≤ 1 − ≤1
t 2 2S n2
En efecto
máxDk máx Dk2 1
1≤ k ≤ n
<ε ⇒ 1≤ k ≤ n
<ε2 <
Sn S 2
n t2
Sea 1 ≤ k ≤ n , n ≥ n0 (ε )
bk = Rk(3 )
t 2 Dk2 (3 ) ⎛ t ⎞
Luego a k + bk = 1 − + R k = ϕ ⎜⎜ ⎟⎟
2 S n2 ⎝ Sn ⎠
Y sustituyendo por 1 un producto vacío podemos escribir:
n
⎛ t ⎞ n ⎛ t 2 Dk2 ⎞ n (3 )
∏ ϕ ⎜⎜ ⎟⎟ − ∏ ⎜⎜1 − ⎟ = ∑ Rk
⎟
k =1 ⎝ Sn ⎠ k =1 ⎝ 2 S n2 ⎠ k =1
Tomando valor absoluto en ambos miembros resulta:
n
⎛ t ⎞ n ⎛ t 2 Dk2 ⎞ n n
∏ ϕ ⎜⎜
k =1 ⎝ S n
⎟⎟ − ∏ ⎜⎜1 −
2 S n2
⎟=
⎟ ∑ R( ) ≤ ∑ R( )
k
3
k
3
⎠ k =1 ⎝ ⎠ k =1 k =1
64
n ⎛t3 ⎞
∑R (3 )
≤ ε⎜ + t2 ⎟
k
⎜ 6 ⎟
k =1
⎝ ⎠
Sabemos que:
εt
3 2
t
Rk (3 )
≤ D +
2
k ∫x
2
dFk (x )
6S 2
n 2S 2
n x >εS n
t ε
3
⎛t 3
⎞
< + t 2ε = ε ⎜ + t2 ⎟
6 ⎜ 6 ⎟
⎝ ⎠
1
La desigualdad e − x − 1 + x ≤ x 2 , para x ≤ y la identidad usada anteriormente implican
2
t 2 Dk2
n
⎛ t 2 Dk2 ⎞ n − 2 S n2 n
t 4 Dk4 t 4 ε 2
∏ ⎜⎜1 − ⎟⎟ − ∏ e ≤∑ ≤
k =1 ⎝ 2S n2 ⎠ k =1 k =1 4 S n
4
4
Escogiendo
t 2 Dk2
−
2 S n2
ak = e
t 2 Dk2
−
t 2 Dk2 2 S n2
bk = 1 − − e
2Sn 2
n ⎛ ⎞
2 2 2 2
t Dk t Dk
n
⎛ t 2 Dk2 ⎞ n − 2 S n2 ⎜ t 2 Dk2 −
⎟
∏ ⎜⎜1 − ⎟ − ∏e = ∑ ⎜1 −
2
2 ⎟
− e 2Sn ⎟⎟
2S n ⎠ k =1 k =1 ⎜ 2Sn 2
k =1 ⎝
⎝ ⎠
Tomando valor absoluto en ambos miembros
t 2 D k2 ⎛ ⎞
2 2 2 2
t Dk t Dk
n
⎛ t 2 Dk2 ⎞ n − 2 S n2 n
⎜ t Dk
2 2 −
⎟
n
t 2 Dk2 − n
t 4 Dk4
∏ ⎜⎜1 −
k =1 ⎝
⎟ − ∏e
2 S n2 ⎟⎠ k =1
= ∑
k =1
⎜⎜1 − 2 S 2 − e
2 S n2
⎟⎟ ∑
≤
k =1
1 −
2 S n2
− e 2 S n2
≤ ∑
k =1 4 S n
4
⎝ n
⎠
máx Dk máx Dk2 Dk2
Como 1≤ k ≤ n
<ε ⇒ 1≤ k ≤ n
<ε ⇒ <ε
Sn S n2 S n2
Podemos escribir que
t 2 Dk2
n
⎛ t 2 Dk2 ⎞ n − 2 S n2 n
t 4 Dk4 t 4 ε 2
∏ ⎜⎜1 − ⎟⎟ − ∏ e ≤∑ ≤
k =1 ⎝ 2S n2 ⎠ k =1 k =1 4 S n
4
4
65
n
t 2 Dk2 t2
n − − ∑ Dk2 −
t2
Además ∏e k =1
2 S n2
=e 2 S n2 k =1
=e 2
∏ ϕ ⎜⎜
k =1 ⎝ S n
⎟⎟ − ∏ e = ∏ ϕ k ⎜⎜ ⎟⎟ − e
⎠ k =1 k =1 ⎝ Sn ⎠
⎛ t ⎞ n ⎛ t 2 Dk2 ⎞ n ⎛ t 2 Dk2 ⎞ − t2
2
n
= ∏ ϕ k ⎜⎜ ⎟⎟ − ∏ ⎜⎜1 − ⎟⎟ + ∏ ⎜⎜1 − ⎟⎟ − e
k =1 ⎝ Sn ⎠ k =1 ⎝ 2S n2 ⎠ k =1 ⎝ 2S n2 ⎠
Tomando valor absoluto
t 2 Dk2
⎞ n ⎛ t 2 Dk2 ⎞ n ⎛ t 2 Dk2 ⎞ − t2
2
n
⎛ t ⎞ n − 2 S n2 n
⎛ t
∏ ϕ ⎜⎜
k =1 ⎝ S n
⎟⎟ − ∏ e = ∏ ϕ k ⎜⎜ ⎟⎟ − ∏ ⎜⎜1 − ⎟ + ∏ ⎜1 −
⎟ ⎜
⎟−e
⎟
⎠ k =1 k =1 ⎝ Sn ⎠ k =1 ⎝ 2 S n2 ⎠ k =1 ⎝ 2 S n2 ⎠
⎛ t ⎞ n ⎛ t 2 Dk2 ⎞ ⎛ t 2 Dk2 ⎞ − t2
2
n n
≤ ∏ ϕ k ⎜⎜ ⎟⎟ − ∏ ⎜⎜1 − ⎟+
⎟ ∏ ⎜1 −
⎜
⎟−e
⎟
k =1 ⎝ Sn ⎠ k =1 ⎝ 2 S n2 ⎠ k =1 ⎝ 2 S n2 ⎠
⎛t3 ⎞ t 4ε 2
< ε⎜ + t2 ⎟ +
⎜ 6 ⎟ 4
⎝ ⎠
Como ε > 0 se puede elegir arbitrariamente pequeño, implica tomando límite para n → ∞ , luego
⎛ t ⎞
( )
2
n t
−
lim ∏ ϕ k ⎜⎜ ⎟⎟ = lim E e itα = e 2
*
(4.9)
n→∞
k =1 ⎝ Sn ⎠ n →∞
En virtud del Teorema 3.2 de la Sección 3, nuestro teorema queda demostrado.
La convergencia en (4.9) es incluso uniformemente en todo intervalo finito t ≤ T .
Cuando las ξ k tienen la misma distribución, con desvío estándar finita D , se tiene:
∫x
2
dF ( x ) = D 2
−∞
Sn = D n
De donde
n
dFk (x ) = lim n ∫ x 2 dF ( x ) = 0
1 1
lim
n→∞ S 2
∑ ∫x
k =1 x > S n
2
n →∞ nD x > D n
2
n ε
66
∞
Observemos que el Teorema 4.2 no resulta del Teorema 4.3, porque puede ∫x
2
dF ( x ) existir,
−∞
∞ ∞
dF ( x ) = ∞ e incluso que sea dF ( x ) = ∞ para todo β > 2 .
β
∫x ∫x
3
pero
−∞ −∞
Notemos también que Lindeberg demostró primeramente su teorema por otro método, al estudiar
directamente la composición de las distribuciones.
La condición de Lindeberg es necesaria en el sentido en que W. Feller ha indicado, a saber:
ξ1 , ξ 2 , ...., ξ n ,... son variables aleatorias independientes, de esperanza matemática finita y
desviación típica finita, si Fk ( x ) es la función de distribución acumulada de ξ k − E (ξ k ) y si
(α n − An )
α n = ξ1 + ξ 2 + ... + ξ n , An = E (ξ n ) , S n = D(α n ) y α * = , se tiene
Sn
lim P (α n* ≤ x ) = Φ ( x ) y
n →∞
n→∞
(
lim P máx ξ k − E (ξ k ) > εS n = 0
1≤ k ≤ n
) (4.10)
(
1≤ k ≤ n
) n
P máx ξ k − E (ξ k ) > εS n ≤ ∑ P( ξ k − E (ξ k ) > εS n ) ≤
k =1
1 n
∑
ε 2 S n2 k =1 ∫ε x
2
dFk (x )
x > Sn
ξ k − E (ξ k )
La condición de Lindeberg implica, pues, que en cierto sentido las variables son
Sn
“uniformemente pequeñas” con una gran probabilidad.
67
SECCIÓN 5
Aplicaciones
Por resultados teóricos se sabe que si la Función Característica de cierta variable aleatoria es
∞
ϕ Y (t ) = ∫e
iyt
dF(y )
−∞
Supongamos que el radio A es constante y ϕ una variable aleatoria con distribución Uniforme en
[0, π] .
Además se conoce que la Función Característica de X es:
π
ψ X (t ) = ∫ e itACos(Θ )dt = J 0 (At )
1
π0
68
⎧ 1
+∞
⎪ para x < A
f X (x ) = ( )
1
2π −∫∞
−itx
e J 0 At dt = ⎨ π A 2
− x 2
⎪0
⎩ en otro caso
69
Conclusiones y futuras investigaciones
70
Bibliografía:
• Renyi, A. (1978). Teoría de Probabilidades. Reverté.
• Churchil, Ruel V. (1990). Variable compleja y aplicaciones. McGraw Hill.
• Parzen, Emanuel (1973). Teoría Moderna de Probabilidades. Editorial Limusa.
• Derrick, William R. (1987). Variable Compleja con Aplicaciones. Grupo editorial
Iberoamericana.
• Takeuchi, Yu (1976). Sucesiones y Series. Editorial Limusa.
• Dym, H. (1972). Fourier Series and Integrals. Academia Press.
• Spiegel, M. R. (1976). Teoría y problemas de análisis de Fourier. Serie Shaum. Editorial
McGraw Hill.
71