Sistema Galileu de Educaçã Estat!

stica

"tt#$%%&&&'(alileu'esal)'us#'*+%m st+a,t #ic '#"#-c d=./0

Tópico: [Convergência] Introdução
Considere-se uma variável aleatória

{ yn , n ≥ 1}. Quanto à sequência, é razoável perguntar para onde eventualmente converge essa sequência e
quais são as caracter sticas do processo de convergência. !e

y com espaço amostral Sy

e uma sequência de variáveis aleatórias

w ∈ Sn

então

{ yn (w), n ≥ 1} é uma sequência de n"meros reais, de modo que pode ser utilizada toda
yn
converge para

teoria correspondente. #m termos $ásicos de limite, diz-se que

y, representado por yn → y, se para ε > 0 e w ∈ Sy e&iste n > m(w, ε), para n, m(w, ε) ∈ ℕ + , tal que | | yn (w) → y(w) | | < ε. !e a convergência se dá para para todo w, ou se'a, não depende de w, então é denominada
% variável aleatória convergência uniforme e pode-se escrever que

|| yn (w) → y(w) | | < ε para n > m(ε) e todo w.
Modos de convergência
Convergência quase certa % convergência quase certa, convergência com probabilidade (orte de convergência em pro$a$ilidade. % sequência por qc ou convergência forte é o modo mais

{ yn , n ≥ 1} tem convergência quase certa para a variável aleatória y, representada

yn → y, se, para ε > 0, tem-se que P(|| yn − y | | < ε) = 1 quando n → ∞

#sse modo rece$e o nome de convergência quase certa por admitir a e&istência de um evento do espaço amostral onde a convergência não ocorre mas esse evento deve ter pro$a$ilidade nula. Convergência em probabilidade )ma outra (orma de convergência é denominada convergência em pro$a$ilidade, nome que parece indicar algo mais vago que a convergência com pro$a$ilidade 1. *e (ato, a convergência em pro$a$ilidade é muito mais (raca que a convergência com pro$a$ilidade % sequência

1 e, por esse motivo, é denominada convergência fraca.

{ yn , n ≥ 1} converge em probabilidade para a variável aleatória y,
yn → y, se, para ε > 0, se tiver que
p

representada por

P(|| yn − y | | > ε) → 0 quando n → ∞
% di(erença $ásica entre a convergência (raca e a convergência (orte é que, na primeira, em uma sequência espec (ica que esta$elece uma tra'etória e&istirão várias situaç+es em que ocorrerá a apro&imação, mas não ,á uma garantia de que ocorra nem que ela permaneça quando n segue aumentando. %ssim, não ,á nen,uma in(ormação so$re a e&istência ou o valor do limite. -or outro lado, a convergência (orte garante que para todas as sequências para as quais o limite e&iste é um evento com pro$a$ilidade 1. % lei dos grandes n"meros para a média amostral e (requência relativa amostral possi$ilita uma visão mais o$'etiva da di(erença. )m resultado importante que relaciona esses dois modos de convergência é que Convergência com pro$a$ilidade

1 implica na convergência em pro$a$ilidade.

1 de 1

00%0.%/011 00$23

0 poss vel dr ( x. )m aspecto importante da convergência em média r é que ela implica na convergência em pro$a$ilidade. uso de t = ξ'2 . y) → 0 ou. de modo equivalente.Sistema Galileu de Educaçã Estat!stica "tt#$%%&&&'(alileu'esal)'us#'*+%m st+a. -rimeiro não é uma (unção d/ não possui esses pro$lemas. numa medida de dispersão que não é "nica. pode-se escrever que yn → y qc ou yn → y r → yn → y p / de 1 00%0. se E ( yn − y) → 0. a mediana de y. %ssim. que atinge seu menor valor para . %ssim3 *iz-se que { yn ./0 .%/011 00$23 . μy  = E y − μy  com 5 / μy = E( y). { yn . provar que é uma medida válida de dist/ncia2 que3 . % E( ' ) a média. y) → 0 ou. y4 dr ( x. é uma medida de dist/ncia na métrica r entre as variáveis aleatórias x e y. y) ≥ 0 para quaisquer x.t #ic '#"#-c d=. y) 4 dr (x. t ). y. se #m particular. portanto.u se'a. Convergência em m!dia r % quantidade r dr ( x. um critério de convergência. P( x = y) = 14 dr ( x.$serve-se que )ma vez este'a dispon vel uma medida de dist/ncia. quando n → ∞ . t) = E(| y − t |) é o desvio m!dio. se ocorre a convergência com pro$a$ilidade rec proca não é geralmente verdadeira. z) + dr (z. e somente se. di(erenciável e. -ode-se mostrar tam$ém que d/ ( y. automaticamente. y) = E(| x − y | ) r sendo 1 1 então ocorre a convergência em pro$a$ilidade.$serva-se (acilmente que o desvio padrão é a dist/ncia na métrica / e a vari/ncia é o seu quadrado. quando n → ∞ . t) = E( y − t) 5 / atinge seu menor valor para !e t = μy . a mediana pode não ser "nica implicando. para *iz-se que r E(| | yn − y | | ) → 0. n ≥ 1} converge em m!dia r para y r = / tem-se que se dk ( yn . y) = 0 se. ξ'2 ) como medida de dispersão tem alguns pro$lemas. tem-se. d1 ( y. que é tam$ém o m nimo de d / / ( y . n ≥ 1} converge em m!dia quadr"tica para y se d/ ( yn . ou se'a    d/   y. de / modo equivalente. mostrar 1e. segundo. z 1desigualdade triangular2. r = 1 então d1 ( y. y) para quaisquer x. . portanto.

esse tipo de convergência diz respeito à convergência da distri$uição de pro$a$ilidade de uma variável aleatória para a distri$uição de pro$a$ilidade de outra variável aleatória. 0 poss vel mostrar que e&istem situaç+es onde . %ssim. . omitindo as variáveis aleatórias. é de grande import/ncia. % e&igência da continuidade nos valores w é (eita para evitar algumas anomalias. a convergência é muitas vezes veri(icada em termos da (unção caracter stica e. 0 de(inida em termos da (unção de distri$uição e não da (unção de densidade ou (unção de pro$a$ilidade. *iz-se que se n→ ∞ para todo y. n ≥ 1} e y variáveis aleatórias com (unção de distri$uição F yn e Fy . pois o teorema central do limite. o$tida a (unção de distri$uição. . 9.%/011 00$23 .. em muitas situaç+es. -or esse motivo. de 1 00%0. 0 a (orma mais (raca de convergência. mas a (unção de distri$uição é de(inida de modo "nico para os dois casos. e&iste a convergência de distri$uiç+es discretas para distri$uiç+es cont nuas.Sistema Galileu de Educaçã Estat!stica "tt#$%%&&&'(alileu'esal)'us#'*+%m st+a. 6. w onde F %lguns aspectos são relevantes nesse modo de convergência3 5. :.t #ic '#"#-c d=. trata da convergência em distri$uição.á necessidade de que elas se'am de(inidas no mesmo espaço de pro$a$ilidade. o inverso não é verdadeiro. de modo equivalente. %pesar disso. 8./0 % (igura que segue ilustra essas implicaç+es entre esses modos de convergência. que elas se'am de(inidas no mesmo e&perimento aleatório. ao contrário das demais (ormas de convergência. #&iste uma correspondência um-a-um entre (unção caracter stica e (unção de distri$uição. como mostra a (igura que segue. 6 78e+(97cia )uase ce+ta 6 78e+(97cia em m:dia + 6 78e+(97cia em #+ *a*ilidade Convergência em distribuição Como a denominação diz. muitas vezes essa convergência é indicada como Fn → F . ou. #nvolve somente as distri$uiç+es das variáveis aleatórias. em termos da (unção de distri$uição2 mas a (unção de densidade ou de pro$a$ilidade não converge. yn converge em distribuição para respectivamente. um dos resultados (undamentais da pro$a$ilidade. por consequência. se as (unç+es de densidade ou de pro$a$ilidade de um tipo (i&ado convergem então e&iste a convergência em distri$uição. não . 7unç+es de densidade e (unç+es de pro$a$ilidade são muito distintas.á a convergência em pro$a$ilidade 1ou se'a. % convergência em pro$a$ilidade implica na convergência em distri$uição. *e qualquer (orma. %ssim. representado por yn → y d lim F yn (w) = Fy (w) é uma (unção cont nua. #m geral. %demais. !e'am { yn .

%ssm. #eferências: [$%ab&'( '] [Magal)ães&'((*] 1 de 1 00%0. se { y1 . se yn converge em distri$uição para a constante c então tam$ém converge em pro$a$ilidade para c.2 tem um caso de reversão importante onde a convergência em distri$uição implica na convergência em pro$a$ilidade.t #ic '#"#-c d=. % implicação re(erida em 1. #m outras palavras. sendo c uma p constante. y/ . '''} é uma sequência de variáveis d aleatórias de(inidas no mesmo espaço de pro$a$ilidade e se yn → c quando n → ∞ . então yn → c quando n → ∞ .Sistema Galileu de Educaçã Estat!stica "tt#$%%&&&'(alileu'esal)'us#'*+%m st+a./0 6 78e+(97cia )uase ce+ta 6 78e+(97cia em m:dia + 6 78e+(97cia em #+ *a*ilidade 6 78e+(97cia em dist+i*uiçã <.%/011 00$23 .