Introduzione all'inferenza - Dipartimento di Economia e Statistica
Introduzione all'inferenza - Dipartimento di Economia e Statistica
Introduzione all'inferenza - Dipartimento di Economia e Statistica
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
In<strong>di</strong>pendenza <strong>di</strong> "n" variabili casuali<br />
Riflessioni sull'in<strong>di</strong>pendenza<br />
Siano<br />
in<strong>di</strong>pendenti se<br />
"n" variabili casuali. Esse sono considerate<br />
L'in<strong>di</strong>pendenza è una con<strong>di</strong>zione molto forte a cui conseguono <strong>di</strong>versi risultati<br />
Se<br />
è un insieme <strong>di</strong> v.c. in<strong>di</strong>pendenti allora lo è qualsiasi<br />
loro sottoinsieme.<br />
Che è la naturale estensione della definizione data per il caso n=2<br />
L’in<strong>di</strong>pendenza può anche essere formulata in base alla funzione <strong>di</strong><br />
ripartizione:<br />
( ) = " F( x i )<br />
P X 1 ! x 1 ,X 2 ! x 2 ,…,X n ! x n<br />
Accomunando così le v.c. continue e <strong>di</strong>screte in una unica definizione<br />
n<br />
i=1<br />
Se<br />
Se<br />
è un insieme <strong>di</strong> v.c. in<strong>di</strong>pendenti allora lo sono le rispettive<br />
trasformate<br />
{ ( )}<br />
g 1 ( x 1 ), g 2 ( x 2 ),…, g n x n<br />
è un insieme <strong>di</strong> v.c. in<strong>di</strong>pendenti allora lo è qualsiasi<br />
combinazione <strong>di</strong> loro funzioni.<br />
Se "n" variabili casuali sono MUTUALMENTE INDIPENDENTI, cioè<br />
in<strong>di</strong>pendenti due a due, questo non implica l'in<strong>di</strong>pendenza<br />
n-<strong>di</strong>mensionale.<br />
Riflessione sull'in<strong>di</strong>pendenza/2<br />
Supponiamo che le tre variabili casuali <strong>di</strong>screte X,Y,Z abbiano <strong>di</strong>stribuzione<br />
Come si vede, le coppie <strong>di</strong> v.c. sono in<strong>di</strong>pendenti<br />
Variabili casuali l.D.<br />
Le variabili casuali si <strong>di</strong>cono IDENTICAMENTE DISTRIBUITE se hanno la stessa<br />
funzione <strong>di</strong> ripartizione<br />
ESEMPIO:<br />
P( X 1<br />
! x 1 ) = P( X 2<br />
! x 2 )<br />
Supponiamo che X 1<br />
ed X 2<br />
abbiano<br />
<strong>di</strong>stribuzione esponenziale con !=2<br />
F( X 1 ) = 1 ! e !2 X 1<br />
;<br />
F( X 2 ) = 1 ! e !2 X 2<br />
Le due variabili casuali descrivono lo stesso aspetto <strong>di</strong> un esperimento osservato in<br />
con<strong>di</strong>zioni <strong>di</strong>verse ovvero REPLICHE DIVERSE della stesso esperimento<br />
ID non significa che sono uguali cioè<br />
X 1<br />
I.D. X 2<br />
! P( X 1<br />
= X 2 ) = 1<br />
La terna non è però in<strong>di</strong>pendente<br />
ESEMPIO: T e C si riferiscono al lancio <strong>di</strong> una moneta<br />
regolare con rispettivo successo se esce testa e se<br />
esce croce.<br />
Sono quin<strong>di</strong> entrambe bernoulliane con p=0.5<br />
Tuttavia P(T=C)=0 dato<br />
che sono incompatibili