2.7: Ejercicios
( \newcommand{\kernel}{\mathrm{null}\,}\)
- Encuentra la densidadfSn(t) Erlang convolucionandofX(x)=λexp(−λx) consigo mismon tiempos.
- Encuentra la función generadora de momento deX (o encuentra la transformación de Laplace defX(x)), y usa esta para encontrar la función generadora de momento (o transformar Laplace) deSn=X1+X2+⋯+Xn. Invierta su resultado para encontrarfSn(t).
- Encuentra la densidad Erlang comenzando con\ ref {2.15} y luego calculando la densidad marginal paraSn.
- Contestar
- Encuentra la media, varianza y función generadora de momento deN(t), según lo dado por (2.16).
- Demostrar por convolución discreta que la suma de dos autov's independientes de Poisson es de nuevo Poisson.
- Demostrar usando las propiedades del proceso de Poisson que la suma de dos rv independientes de Poisson debe ser Poisson.
- Contestar
El propósito de este ejercicio es dar una derivación alterna de la distribución de Poisson paraN(t), el número de llegadas en un proceso de Poisson hasta el momentot. λSea la tasa del proceso.
- Encuentra la probabilidad condicionalPr{N(t)=n∣Sn=τ} para todosτ≤t.
- Usando la densidad Erlang paraSn, use\ ref {a} para encontrarPr{N(t)=n}.
- Contestar
Supongamos que un proceso de conteo{N(t);t>0} tiene las propiedades de incremento independientes y estacionarias y satisface\ ref {2.16} (para todost>0). X1Sea la época de la primera llegada yXn sea el tiempo de interllegada entre lan−1st y lan th llegada. Utilice únicamente estos supuestos para hacer las siguientes partes de este ejercicio.
- Pr{X1>x}=e−λxDemuéstralo.
- Sn−1Sea la época de lan−1st llegada. Pr{Xn>x∣Sn−1=τ}=e−λxDemuéstralo.
- Para cada unon>1, mostrar esoPr{Xn>x}=e−λx y queXn es independiente deSn−1.
- Argumentan queXn es independiente deX1,X2,…Xn−1.
- Contestar
El objetivo de este ejercicio es mostrar que la secuencia de PMF's para un proceso de conteo de Bernoulli no especifica el proceso. Es decir, saber queN(t) satisface la distribución binomial para todost no significa que el proceso sea Bernoulli. Esto nos ayuda a entender por qué la segunda definición de un proceso de Poisson requiere incrementos estacionarios e independientes, así como la distribución de Poisson paraN(t).
- DejarY1,Y2,Y3,… ser una secuencia de rv binarios en la que cada rv es 0 o 1 con igual probabilidad. Encontrar una distribución conjunta paraY1,Y2,Y3 que satisfaga la distribución binomial,pN(t)(k)=(tk)2−k parat=1,2,3 y0≤k≤t, pero para la cual noY1,Y2,Y3 son independientes.
Una solución simple para esto contiene cuatro 3-tuplas con probabilidad 1/8 cada una, dos 3-tuplas con probabilidad 1/4 cada una, y dos 3-tuplas con probabilidad 0. Tenga en cuenta que al hacer las llegadas subsiguientes IID y equiprobables, se tiene un ejemplo dondeN(t) es binomial para todos t pero el proceso no es Bernoulli. Pista: Usa el binomio fort=3 para encontrar dos 3-tuplas que deben tener probabilidad 1/8. Combine esto con el binomiot=2 para encontrar otras dos 3-tuplas que deben tener probabilidad 1/8. Finalmente, observe las restricciones impuestas por la distribución binomial sobre las cuatro 3-tuplas restantes.
- Generalizar la parte a) al caso dondeY1,Y2,Y3 satisfacerPr{Yi=1}=p yPr{Yi=0}=1−p. Asumirp<1/2 y encontrar una distribución conjunta sobreY1,Y2,Y3 que satisfaga la distribución binomial, pero para la cual la 3-tupla (0, 1, 1) tiene probabilidad cero.
- Más generalmente, ver un PMF conjunto ent tuplas binarias como un vector no negativo en un espacio vectorial2t dimensional. Cada probabilidad binomialpN(τ)(k)=(τk)pk(1−p)τ−k constituye una restricción lineal sobre este vector. Para cada unoτ, mostrar que una de estas restricciones puede ser reemplazada por la restricción que los componentes del vector sumen a 1.
- Usando la parte c), muestran que en la mayoría(t+1)t/2+1 de las restricciones binomiales son linealmente independientes. Tenga en cuenta que esto significa que el espacio lineal de vectores que satisfacen estas restricciones binomiales tiene al menos dimensión2t−(t+1)t/2−1. Este espacio lineal tiene dimensión 1 parat=3, explicando los resultados en las partes a) y b). Tiene una dimensión cada vez mayor parat>3, lo que sugiere que las restricciones binomiales son relativamente ineficaz para restringir el PMF conjunto de una distribución conjunta. Se requiere más trabajo para el caso det>3 por todas las restricciones de desigualdad, pero resulta que esta gran dimensionalidad permanece.
- Contestar
Dejarh(x) ser una función positiva de una variable real que satisfaceh(x+t)=h(x)+h(t) y dejah(1)=c.
- Muéstralo para enterok>0,h(k)=kc.
- Muéstralo para enteroj>0,h(1/j)=c/j.
- Mostrar eso para todos los enterosk,j,h(k/j)=ck/j.
- Las partes anteriores muestran queh(x) es lineal en números racionales positivos. Para matemáticos muy quisquillosos, esto no garantiza queh(x) sea lineal en números reales positivos. Mostrar que si tambiénh(x) es monotónico enx, entoncesh(x) es lineal enx>0.
- Contestar
Supongamos que un proceso de conteo{N(t);t>0} tiene las propiedades de incremento independientes y estacionarias y, para todost>0, satisface
\ (\ begin {alineado}
&\ nombreoperador {Pr}\ {\ tilde {N} (t, t+\ delta) =0\} ^\} =1-\ lambda\ delta+o (\ delta)\\\
&\ nombreoperador {Pr}\ {\ tilde ancho {N} (t, t+\ delta) =1\} ^\} =\ lambda\ delta+o (\ delta)\\
&\ nombreoperador {Pr}\ {\ Widetilde {N} (t, t+\ delta) >1\} ^\} =o (\ delta)
\ end {alineado}\)
- DejemosF0(τ)=Pr{N(τ)=0} y demuestre esod F0(τ)/dτ=−λF0(τ).
- Demostrar queX1, el tiempo de la primera llegada, es exponencial con parámetroλ.
- DejemosFn(τ)=Pr{˜N(t,t+τ)=0∣Sn−1=t}} y demuestre esod Fn(τ)/dτ=−λFn(τ).
- Argumentan queXn es exponencial con parámetroλ e independiente de tiempos de llegada más tempranos.
- Contestar
Dejart>0 ser un tiempo arbitrario, dejarZ1 ser la duración del intervalo desdet hasta la siguiente llegada despuést. QueZm, para cada unom>1, sea el tiempo de interllegada desde la época de lam−1st llegada posteriort hasta lam th llegada.
- Dado esoN(t)=n, explicar por quéZm=Xm+n param>1 yZ1=Xn+1−t+Sn.
- Condicional enN(t)=n ySn=τ, muestra queZ1,Z2,… son IID.
- Demostrar queZ1,Z2,… son IID.
- Contestar
Consideremos una aproximación de “Bernoulli que se encoge”Nδ(mδ)=Y1+⋯+Ym a un proceso de Poisson como se describe en la subsección 2.2.5.
- Demostrar que
\ (\ nombreoperador {Pr}\ izquierda\ {N_ {\ delta} (m\ delta) =n\ derecha\} =\ izquierda (\ begin {array} {c} m\\ n
\ end {array}\ derecha) (\ lambda\ delta) ^ {n} (1-\ lambda\ delta) ^ {m-n}\) - Dejart=mδ, y dejar quet se fije para el resto del ejercicio. Explicar por qué
\ (\ lim _ {\ delta\ fila derecha 0}\ nombreoperador {Pr}\ izquierda\ {N_ {\ delta} (t) =n\ derecha\} =\ lim _ {m\ fila derecha\ infty}\ izquierda (\ begin {array} {c} m\ n
\ end {array}\ derecha)\ izquierda (\ frac {\ lambda t} {m}\ derecha) ^ {n}\ izquierda (1-\ frac {\ lambda t} {m}\ derecha) ^ {m-n}\)donde se toma el límite de la izquierda sobre los valores deδ esa divisiónt.
- Derivar las siguientes dos igualdades:
\ (\ lim _ {m\ fila derecha\ infty}\ izquierda (\ begin {array} {l} m\\ n
\ end {array}\ derecha)\ frac {\} {1}} {m^ {n}} =\ frac {1} {n!} ;\ quad\ texto {y}\ quad\ lim _ {m\ fila derecha\ infty}\ izquierda (1-\ frac {\ lambda t} {m}\ derecha) ^ {m-n} =e^ {-\ lambda t}\) - Concluimos de esto que para todost y cada unon,limδ→0Pr{Nδ(t)=n}=Pr{N(t)=n} donde{N(t);t>0} está un proceso de tasa de Poissonλ.
- Contestar
Deja{N(t);t>0} ser un proceso de Poisson de tasaλ.
- Encuentra la función de masa de probabilidad conjunta (PMF) deN(t),N(t+s) fors>0.
- EncuentraE[N(t)⋅N(t+s)] paras>0.
- EncuentraE[˜N(t1,t3)⋅˜N(t2,t4)]} dónde˜N(t,τ) está el número de llegadas en(t,τ] yt1<t2<t3<t4.
- Contestar
Un experimento elemental se realiza independientemente enN tiempos dondeN se encuentra un rv de Poisson de mediaλ. Dejar{a1,a2,…,aK} ser el conjunto de puntos de muestreo del experimento elemental y letpk,1≤k≤K, denotar la probabilidad deak.
- LetNk denotar el número de experimentos elementales realizados para los que es la salidaak. Encuentra el PMF paraNk(1≤k≤K). (Pista: no es necesario realizar ningún cálculo.)
- Encuentra el PMF paraN1+N2.
- Encuentra el PMF condicional paraN1 dado esoN=n.
- Encuentra el PMF condicional paraN1+N2 dado esoN=n.
- Encuentra el PMF condicional paraN dado esoN1=n1.
- Contestar
A partir del tiempo 0, los autobuses en dirección norte llegan a 77 Mass. Avenida según un proceso de Poisson de tasaλ. Los pasajeros llegan de acuerdo con un proceso de tarifa independiente de Poissonμ. Cuando llega un autobús, todos los clientes que esperan ingresan instantáneamente al autobús y los clientes posteriores esperan el siguiente autobús.
- Encuentra el PMF para el número de clientes que ingresan a un autobús (más específicamente, para cualquier dadom, encuentra el PMF para el número de clientes que ingresan al busm th).
- Encuentre el PMF para el número de clientes que ingresan al mésimo autobús dado que el intervalo entre llegadas entre autobúsm−1 y autobúsm esx.
- Dado que un autobús llega a la hora 10:30 PM, encuentra el PMF para el número de clientes que ingresan al siguiente autobús.
- Dado que un autobús llega a las 10:30 PM y ningún autobús llega entre las 10:30 y las 11, encuentra el PMF para el número de clientes en el siguiente autobús.
- Encuentre el PMF para la cantidad de clientes que esperan en algún momento dado, digamos a las 2:30 PM (supongamos que los procesos comenzaron infinitamente lejos en el pasado). Pista: piensa en lo que sucede moviéndose hacia atrás en el tiempo a partir de las 2:30 PM.
- Encuentra el PMF para el número de clientes que se suben al siguiente autobús para llegar después de las 2:30. (Pista: esto es diferente de la parte a); mira cuidadosamente la parte e).
- Dado que llego a esperar un autobús a las 2:30 PM, encuentre el PMF para el número de clientes que suban al siguiente autobús.
- Contestar
- Demostrar que las épocas de llegada de un proceso de Poisson satisfacen
fS(n)∣Sn+1(s(n)∣sn+1)=n!/snn+1
Pista: Esto es fácil si usas solo los resultados de la Sección 2.2.2.
- Contraste esto con el resultado del Teorema 2.5.1
- Contestar
Ecuación\ ref {2.41} dafSi(si∣N(t)=n), que es la densidad de la variable aleatoriaSi condicionalN(t)=n paran≥i. Multiplica esta expresión porPr{N(t)=n} y suman para encontrarfSi(si); verifica que tu respuesta sea efectivamente la densidad Erlang.
- Contestar
Considera generalizar el proceso de llegada masiva en la Figura 2.5. Supongamos que las épocas en las que ocurren las llegadas forman un proceso{N(t);t>0} de tasa de Poissonλ. En cada época de llegada,Sn, el número de llegadasZn,, satisfacePr{Zn=1}=p,Pr{Zn=2)}=1−p. Las variablesZn son IID.
- {N1(t);t>0}Sea el proceso de conteo de las épocas en las que ocurren las llegadas individuales. Encuentra el PMF deN1(t) como una función det. De igual manera, deja{N2(t);t≥0} ser el proceso de conteo de las épocas en las que se producen las dobles llegadas. Encuentra el PMF deN2(t) como una función de t.
- {NB(t);t≥0}Sea el proceso de conteo del número total de llegadas. Dar una expresión para el PMF deNB(t) como una función det
- Contestar
- Para un proceso de conteo de Poisson de tasaλ, encuentre la densidad de probabilidad conjunta deS1,S2,…,Sn−1 condicional onSn=t.
- EncuentraPr{X1>τ∣Sn=t}.
- EncuentraPr{Xi>τ∣Sn=t} para1≤i≤n.
- Encuentra la densidadfSi∣Sn(si∣t) para1≤i≤n−1.
- Dar una explicación de la sorprendente similitud entre la condiciónN(t)=n−1 y la condiciónSn=t.
- Contestar
- Para un proceso de Poisson de tasaλ, encontrarPr{N(t)=n∣S1=τ} parat>τ yn≥1.
- Usando esto, encuentrafS1(τ∣N(t)=n)
- Verifica tu respuesta contra (2.40).
- Contestar
Considera un proceso de conteo en el que la tasa es una rvΛ con densidad de probabilidadfΛ(λ)=αe−αλ paraλ>0. Condicional a un valor de muestra dadoλ para la tasa, el proceso de conteo es un proceso de Poisson de tasaλ (es decir, la naturaleza primero elige un valor de muestraλ y luego genera una ruta de muestreo de un proceso de Poisson de esa tasaλ).
- ¿Qué esPr{N(t)=n∣Λ=λ}, dóndeN(t) se da el número de llegadas en el intervalo(0,t] para algunost>0?
- Demostrar quePr{N(t)=n}, el PMF incondicional paraN(t), viene dado por
Pr{N(t)=n}=αtn(t+α)n+1
- EncontrarfΛ(λ∣N(t)=n), la densidad deλ condicional enN(t)=n.
- EncuentraE[Λ∣N(t)=n] e interpreta tu resultado para muy pequeñost conn=0 y para muy grandest conn grandes.
- EncuentraE[Λ∣N(t)=n,S1,S2,…,Sn]. (Pista: considerar la distribución deS1,…,Sn condicionalN(t) yΛ). EncuentraE[Λ∣N(t)=n,N(τ)=m] para algunosτ<t.
- Contestar
- Usa la Ecuación\ ref {2.41} para encontrarE[Si∣N(t)=n]. Sugerencia: Al integrarsifSi(si∣N(t)=n), compare esta integral confSi+1(si∣N(t)=n+1) y use el hecho de que esta última expresión es una densidad de probabilidad.
- Encuentra el segundo momento y la varianza deSi condicional onN(t)=n. Pista: Extiende la pista anterior.
- Supongamos quen es extraño, y considerai=(n+1)/2. Cuál es la relación entreSi, condicional y la mediana muestral de n variables aleatorias uniformes IID.N(t)=n
- Dar una ley débil de grandes números para la mediana anterior.
- Contestar
Supongamos que los autos entran en una autopista unidireccional de longitud infinita, carril infinito a una tasa deλ Poisson El autoi th para entrar elige una velocidadVi y viaja a esta velocidad. Supongamos que los rvVi′s son positivos independientes que tienen una distribución común F. Derivar la distribución del número de autos que se localizan en un intervalo (0,a) en el momentot.
- Contestar
Considera unaM/G/∞ cola, es decir, una cola con llegadas de Poisson de tarifaλ en la que cada llegadai, independiente de otras llegadas, permanece en el sistema por un tiempoXi, donde{Xi;i≥1} hay un conjunto de IID rv con alguna función de distribución dadaF(x).
Se puede suponer que el número de llegadas en cualquier intervalo(t,t+ϵ) que aún se encuentren en el sistema en algún momento posteriorτ≥t+ϵ es estadísticamente independiente del número de llegadas en(t,t+ϵ) ese mismo intervalo que hayan salido del sistema por tiempoτ.
- DejarN(τ) ser el número de clientes en el sistema en el momentoτ. Encuentra la media,m(τ), deN(τ) y encuentraPr{N(τ)=n}.
- D(τ)Sea el número de clientes que han salido del sistema por tiempoτ. Encuentra la media,E[D(τ)], y encuentraPr{D(τ)=d}.
- EncuentraPr{N(τ)=n,D(τ)=d}
- DejarA(τ) ser el número total de llegadas hasta el momentoτ. EncuentraPr{N(τ)=n∣A(τ)=a}.
- EncuentraPr{D(τ+ϵ)−D(τ)=d}
- Contestar
Los votantes de un pueblo determinado llegan al lugar de votación de acuerdo con un proceso de Poisson deλ=100 electores tarifarios por hora. Los votantes votan independientemente por candidatoA y candidatoB cada uno con probabilidad 1/2. Supongamos que la votación inicia en el tiempo 0 y continúa indefinidamente.
- Condicional a que 1000 electores lleguen durante las primeras 10 horas de votación, encuentre la probabilidad de que el candidatoA reciban de esos votos.
- De nuevo condicional a 1000 electores durante las primeras 10 horas, encuentra la probabilidad de que el candidatoA reciban votos en las primeras 4 horas de votación.
- TSea la época de la llegada del primer votante votante votando por candidatoA. Encuentra la densidad deT.
- Encuentra el PMF del número de electores para candidatoB que llegan antes que el primer elector paraA.
- Definir al votanten th como una inversión si el electorn th vota por un candidato diferente aln−1st. Por ejemplo, en la secuencia de votosAABAABB, los electores tercero, cuarto y sexto son reversiones; el tercero y sexto sonA aB reversiones y el cuarto esB aA reversión. DejarN(t) ser el número de reversiones hasta el tiempot (ten horas). ¿Es el proceso de{N(t);t>0} Poisson? Explique.
- Encuentra el tiempo esperado (en horas) entre reversiones.
- Encuentra la densidad de probabilidad del tiempo entre reversiones.
- Encuentra la densidad del tiempo de unoA a laB reversión al siguienteA a laB reversión.
- Contestar
Dejar{N1(t);t>0} ser un proceso de conteo de Poisson de tasaλ. Supongamos que las llegadas de este proceso son encendidas y apagadas por llegadas de un segundo proceso independiente de Poisson{N2(t);t>0} de tarifaγ.

Dejar{NA(t);t≥0} ser el proceso de conmutación; es decir,NA(t) incluye las llegadas de{N1(t);t>0} durante periodos cuandoN2(t) es par y excluye las llegadas de{N1(t);t>0} mientrasN2(t) es impar.
- Encuentra el PMF para el número de llegadas del primer proceso,{N1(t);t>0}, durante eln th periodo en el que el interruptor está encendido.
- Dado que la primera llegada para el segundo proceso ocurre en épocaτ, encuentra el PMF condicional para el número de llegadas del primer proceso hastaτ.
- Dado que el número de llegadas del primer proceso, hasta la primera llegada para el segundo proceso, esn, encontrar la densidad para la época de la primera llegada del segundo proceso.
- Encuentra la densidad del tiempo entre llegadas para{NA(t);t≥0}. Nota: Esta parte es bastante desordenada y se hace más fácilmente a través de las transformadas de Laplace.
- Contestar
Modelaremos el torneo de ajedrez entre Fisher y Spassky como un proceso estocástico. DejarXi, parai≥1, ser la duración del i-ésimo juego y asumir que{Xi;i≥1} es un conjunto de IID distribuidos exponencialmente rv cada uno con densidadfX(x)=λe−λx. Supongamos que cada juego (independientemente de todos los demás juegos, e independientemente de la duración de los juegos) es ganado por Fisher con probabilidadp, por Spassky con probabilidadq, y es un empate con probabilidad1−p−q. El primer jugador en ganar n juegos se define como el ganador, pero consideramos que el partido hasta el punto de ganar está incrustado en una secuencia interminable de juegos.
- Encuentra la distribución del tiempo, desde el inicio del partido, hasta la finalización del primer juego que se gana (es decir, que no es un empate). Caracterizar el proceso de la cantidad{N(t);t>0} de juegos ganados hasta e incluyendo el tiempot. Caracterizar el proceso de la cantidad{NF(t);t≥0} de juegos ganados por Fisher y el número{NS(t);t≥0} ganado por Spassky.
- Para lo que resta del problema, supongamos que la probabilidad de un empate es cero; es decir, esop+q=1. ¿Cuántos de los primeros2n−1 juegos debe ser ganado por Fisher para poder ganar el partido?
- ¿Cuál es la probabilidad de que Fisher gane el partido? Tu respuesta no debe involucrar ninguna integral. Pista: considera la secuencia interminable de juegos y usa la parte b).
- TSea la época en la que se completa el partido (es decir, gana Fisher o Spassky). Encuentra la función de distribución deT.
- Encuentra la probabilidad de que Fisher gane y queT se encuentre en el intervalo(t,t+δ) para arbitrariamente pequeñosδ.
- Contestar
- Encuentra la densidad condicional deSi+1, condicionalN(t)=n ySi=si.
- Utilice la parte a) para encontrar la densidad articular deS1,…,Sn condicional onN(t)=n. Verifica que tu respuesta esté de acuerdo con (2.37).
- Contestar
Un proceso de Poisson bidimensional es un proceso de ocurrencia aleatoria de puntos especiales en el plano de tal manera que\ ref {i} para cualquier región del áreaA el número de puntos especiales en esa región tiene una distribución de Poisson con mediaλA, y (ii) el número de puntos especiales en regiones no superpuestas es independiente. Para tal proceso considerar una ubicación arbitraria en el plano y dejarX denotar su distancia desde su punto especial más cercano (donde la distancia se mide de la manera euclidiana habitual). Demostrar que
- Pr{X>t}=exp(−λπt2)
- E[X]=1/(2√λ)
- Contestar
Este problema pretende mostrar que se puede analizar el comportamiento a largo plazo de los problemas de cola usando solo nociones de medios y varianzas, pero que dicho análisis es incómodo, justificando comprender la fuerte ley de los grandes números. Considera una cola M/G/1. El proceso de llegada es Poisson conλ=1. El tiempo de servicio esperado,E[Y], es 1/2 y la varianza del tiempo de servicio se da para que sea 1.
- ConsiderarSn, la hora de la enésima llegada, paran=1012. Con alta probabilidad,Sn se ubicará dentro de 3 derivaciones estándar de su media. Encuentra y compara esta media y el3σ rango.
- VnSea la cantidad total de tiempo durante el cual el servidor está ocupado con estasn llegadas (es decir, la suma de los tiempos de1012 servicio). Encuentra la media y el3σ rango deVn.
- Encuentre la media y el3σ rango deIn, la cantidad total de tiempo que el servidor está inactivo hastaSn (tómeseIn comoSn−Vn, ignorando así cualquier tiempo de servicio posteriorSn).
- Un periodo de inactividad comienza cuando el servidor completa un servicio y no hay llegadas en espera; termina en la siguiente llegada. Encuentra la media y varianza de un periodo de inactividad. ¿Los sucesivos periodos de inactividad son IID?
- Combine\ ref {c} y\ ref {d} para estimar el número total de periodos de inactividad hasta el tiempoSn. Utilice esto para estimar el número total de periodos ocupados.
- Combine\ ref {e} y\ ref {b} para estimar la duración esperada de un período ocupado.
- Contestar
El propósito de este problema es ilustrar que para un proceso de llegada con intervalos interllegados independientes pero no distribuidos idénticamenteX1,X2,…, el número de llegadasN(t) en el intervalo(0,t] puede ser una rv defectuosa. Es decir, el 'proceso de contado' no es un proceso estocástico según nuestras definiciones. Esto ilustra que es necesario probar que los rv de conteo para un proceso de renovación son en realidad rv.
- Deje que la función de distribución deli intervalo entre llegadas para un proceso de llegada seaFXi(xi)=1−exp(−αixi) para algunos fijosα∈(0,1). DejaSn=X1+⋯Xn y demuestra que
E[Sn]=1−αn−11−α
- Esboce una ruta de muestra 'razonable' paraN(t).
- Encuentraσ2Sn
- Usa la desigualdad de ChebyshevPr{Sn≥t} para encontrar un límite superior en elPr{N(t)≤n} que sea menor que 1 para todosn y para lo suficientemente grandet. Usa esto para demostrar queN(t) es defectuoso por lo suficientemente grandet.
- Contestar