Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
cioè può essere valutato sia integrando in y che in x.<br />
y(x)<br />
1<br />
0.9<br />
0.8<br />
0.7<br />
0.6<br />
0.5<br />
f(x)<br />
1.8 2 1.6<br />
1.4<br />
1.2<br />
0.8 1<br />
0.6<br />
0.4<br />
0.2<br />
0<br />
0 0.25 0.5 0.75 1<br />
x<br />
0.4<br />
0.3<br />
0.2<br />
0.1<br />
0<br />
0 0.2 0.4 0.6 0.8 1<br />
x<br />
g(y)<br />
4.5 5<br />
3.5 4<br />
2.5 3<br />
1.5 2<br />
0.5 1<br />
0<br />
0 0.25 0.5 0.75 1<br />
y<br />
Fig.2.5 Passaggio da una variabile casuale x distribuita uniformemente (in alto a destra) ad una y ottenuta da questa<br />
come y = x 2 (vedi grafico a sinistra in cui sono mostrati intervalli di equiprobabilità in x che si trasformano in<br />
intervalli di equiprobabilità in y). In basso a destra é mostrata la densità di probabilità della y g(y).<br />
(2.5.7) La media e la deviazione standard come variabili casuali<br />
Un caso molto particolare di funzione di variabile casuale che vogliamo introdurre a questo punto é<br />
quello della media aritmetica x e del quadrato s 2 della deviazione standard campionaria che<br />
abbiamo già introdotto nel Cap.(1) e che ora vogliamo analizzare come “funzioni di variabili<br />
casuali”.<br />
Infatti se x é una variabile casuale di valore atteso E[x] e varianza Var[x]é interessante chiedersi<br />
quali siano le proprietà di xe di s 2<br />
ottenuti a partire da un campione di dimensione N della<br />
variabile x. Per fare ciò premettiamo una proprietà fondamentale (di cui omettiamo la<br />
dimostrazione). Data una combinazione lineare di variabili casuali<br />
y = ∑<br />
N<br />
a x i i<br />
i=<br />
1<br />
si hanno le seguenti proprietà di linearità per valore atteso e varianza:<br />
N<br />
E[<br />
y]<br />
= ∑ a E[<br />
x ]<br />
i=<br />
1<br />
i<br />
i<br />
N<br />
2<br />
Var[<br />
y]<br />
= ∑ a Var[<br />
x ]<br />
i<br />
i<br />
i=<br />
1<br />
che discendono dal fatto che i momenti sono operatori lineari.<br />
Utilizzando queste espressioni calcoliamo ora il valore atteso e la varianza della media aritmetica.<br />
N<br />
∑ xi<br />
1 N<br />
i=<br />
1<br />
E[<br />
x]<br />
= E[<br />
] = ∑ E[<br />
x ] = E[<br />
x]<br />
i<br />
i=<br />
1<br />
N N<br />
N<br />
∑ xi<br />
1 N 1<br />
i=<br />
1<br />
Var[<br />
x]<br />
= Var[<br />
] = ∑Var[<br />
x ] = Var[<br />
x]<br />
2<br />
i<br />
i=<br />
1<br />
N N<br />
N<br />
Il risultato ci dice che:<br />
il valore atteso della media é lo stesso della variabile: l’operazione di media non cambia valore<br />
atteso, ovvero la media é un buon estimatore del valore atteso di x;<br />
60