Serie Storiche e Processi Stocastici
Serie Storiche e Processi Stocastici
Serie Storiche e Processi Stocastici
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Serie</strong> <strong>Storiche</strong> e <strong>Processi</strong> <strong>Stocastici</strong> – Federico Andreis<br />
Cosa significa tutto questo? Significa che un processo stocastico è una successione di<br />
variabili aleatorie ordinate secondo un parametro t T , solitamente identificato con il tempo. La<br />
conoscenza di un processo stocastico equivale alla conoscenza della distribuzione di probabilità<br />
multipla (multivariata) per qualsiasi sottoinsieme di T e per qualsiasi valore delle variabili casuali.<br />
Occorre caratterizzare però ulteriormente questa nozione di processo stocastico; per fare<br />
questo introduciamo delle distinzioni. Parleremo di processo stocastico continuo qualora le variabili<br />
casuali che lo compongono siano di natura continua, di processo stocastico discreto in caso<br />
contrario; distingueremo inoltre fra processi stocastici a tempo continuo e a tempo discreto, nei casi,<br />
rispettivamente, che il parametro t T abbia supporto continuo o discreto.<br />
Esempio: sia X t un processo stocastico che descrive le rilevazioni negli istanti temporali<br />
tT {1,2,3,...} di una qualche grandezza fisica e le cui realizzazioni siano<br />
caratterizzate da leggi di distribuzione gaussiane. Allora il processo in esame sarà da<br />
definirsi come processo stocastico continuo a tempo discreto.<br />
Un tale processo è quindi la famiglia di variabili casuali { X1, X 2,...}<br />
, per la cui conoscenza<br />
occorre specificare le funzioni di densità congiunte di ciascuna combinazione di esse. Formalmente<br />
un processo t X è noto se è nota la funzione di densità ( Xt , X ,..., )<br />
1 t X 2 t per ogni k e per ogni k-pla<br />
k<br />
di valori ( t1, t2,..., t k ) di variabili casuali (d‟ora in poi v.c.). Da questo si può già intuire l‟estrema<br />
complicazione dello studio di un processo stocastico nella sua generalità, e in particolare la pratica<br />
impossibilità di inferire direttamente su di esso.<br />
Volendo descrivere meglio la struttura probabilistica di X t possiamo osservare che, per<br />
esempio, fissando t 3,<br />
si ottiene la v.c. X 3 , che possiede una sua propria funzione di densità di<br />
probabilità (nel caso continuo, di massa di probabilità nel caso discreto) che sarà correlata oppure<br />
no alle altre, e così via. Su X 3 possiamo effettuare un esperimento e rilevare dei valori appartenenti<br />
al suo campo di variazione.<br />
Estendendo a tutto il processo, se fissiamo una prova da effettuare su X t (ovvero<br />
osserviamo la successione dei risultati campionari x1, x 2,...<br />
) otterremo una successione di valori,<br />
funzione della variabile t, chiamata realizzazione o traiettoria del processo. Risulta evidente che,<br />
dato un processo X t , esistono infinite possibili realizzazioni che sono precisamente tutte quelle<br />
osservabili ripetendo indefinitamente l‟esperimento. Segue un esempio grafico di due realizzazioni<br />
campionarie dal medesimo processo.