6.5. VETTORI ALEATORI CONTINUI 78Dimostrazione. Utilizzando l’induzione su n, è sufficiente dimostrarel’asserzione per n = 2:∫E(X 1 + X 2 ) = (x 1 + x 2 )f(x)dxR∫2 ∫∫ ∫= ( x 1 f(x)dx 2 )dx 1 + ( x 2 f(x)dx 1 )dx 2R RR R∫∫= x 1 f X1 (x 1 )dx 1 + x 2 f X2 (x 2 )dx 2 = E(X 1 ) + E(X 2 )RL’indipendenza delle variabili aleatorie continue si può esprimerein termini del rapporto tra densità congiunta e marginali, nel sensoche le componenti di un vettore aleatorio X= (X 1 , . . . , X n ) sonoindipendenti se e solo sen∏f X (x) = f Xi (x i )i=1per tutti x= (x 1 , . . . , x n ) ∈ R n . Anche per le variabili continuele marginali permettono la ricostruzione della distribuzione congiuntaquando le variabili siano indipendenti.Lemma 23. Se le variabili aleatorie continue X i , i = 1, . . . , n sonoindipendenti alloran∏n∏E( X i ) = E(X i ).Dimostrazione.n∏E( X i ) =i=1==i=1∫∫n∏R n i=1∏ nR n i=1n∏∫i=1Ri=1x i f(x)dx(x i f Xi (x i ))dxR n x i f Xi (x i )dx i =n∏E(X i )Anche per le variabili continue è possibile definire le distribuzionicondizionali.Definizione 37. Dato un vettore aleatorio X= (X 1 , . . . , X n ),per k = 1, . . . , n, se (x 1 , . . . , x k ) è tale che la densità marginale soddisfaf (X1 ,...,X k )(x 1 , . . . .x k ) ≠ 0, si dice distribuzione condizionatadi X k+1 , . . . , X n dato che (X 1 , . . . , X k ) = (x 1 , . . . , x k ) lo spazio dii=1□□
6.5. VETTORI ALEATORI CONTINUI 79probabilità costituito da R n−k con densitàf (Xk+1 ,...,X n)|(X 1 ,...,X k )((x k+1 , . . . , x n )|(x 1 , . . . , x k ))=f X (x)f (X1 ,...,X k )(x 1 , . . . .x k )Definizione 38. Il valore atteso calcolato rispetto alla probabilitàcondizionale di una variabile aleatoria date le altre si chiama valoreatteso condizionale e si denotaE(X n |(X 1 , . . . , X n−1 ) = (x 1 , . . . , x n−1 )).Le definizioni di Cov(X, Y ) e r(X, Y ) sono le stesse del caso discreto.Consideriamo ora variabili i.i.d. tali che esistono valore atteso evarianza: vale il seguente risultato.Teorema 16 (Teorema Centrale del Limite). Per variabili aleatoriei.i.d. X 1 , . . . , X n tali che E(Xi 2 ) < ∞ vale per ogni a ∈ R( ∑n)lim P i=1 X ∫i − nE(X 1 )a1√ ≤ a = √ e −x2 /2 dxn→∞ nV ar(X1 )2π−∞