COPPIE DI VARIABILI ALEATORIE

Transcript

1 COPPIE DI VAIABILI ALEATOIE E DI NADO 1 Funzioni di ripartizione congiunte e marginali Definizione 11 Siano X, Y va definite su uno stesso spazio di probabilità (Ω, F, P La coppia (X, Y viene detta va bidimensionale Si osservi che per ogni coppia di numeri reali (x, y si ha {ω Ω : X(ω x, Y (ω y} {ω Ω : X(ω x} {ω Ω : Y (ω y}, tale evento, essendo intersezione di elementi in F, appartiene ancora ad F Definizione 12 Si dice funzione di ripartizione congiunta delle va (X, Y la funzione F X,Y : 2 [0, 1] così definita F X,Y (x, y P (X x, Y y P ({ω Ω : X(ω x, Y (ω y} Si noti che mentre F X,Y (x, y F Y (y x F X,Y (x, y 0 x F X,Y (x, y F X (x y F X,Y (x, y 0 y F X,Y (x, y 1 x,y Le funzioni di ripartizione F X (x e F Y (y vengono dette marginali La funzione di ripartizione congiunta è non decrescente Trattandosi di una funzione in due variabili, questo equivale a dire che se x 1 < x 2 e y 1 < y 2 allora la variazione della funzione F X,Y (x, y sul rettangolo [x 1, x 2 ] [y 1, y 2 ] è non negativa Infatti una variazione semplice della F X,Y è l incremento della F X,Y lungo una delle sue due variabili, ossia F X,Y (x 2, y F X,Y (x 1, y per x 1 < x 2 oppure F X,Y (x, y 2 F X,Y (x, y 1 per y 1 < y 2 La variazione doppia si ottiene variando la F X,Y prima lungo una variabile e poi lungo l altra, ossia x2,y2 x 1,y 1 F X,Y (x, y [F X,Y (x 2, y 2 F X,Y (x 2, y 1 ] [F X,Y (x 1, y 2 F X,Y (x 1, y 1 ] Si tratta allora di provare che x2,y2 x 1,y 1 F X,Y (x, y P (x 1 < X x 2, y 1 < Y y 2 0 E infatti per l additività della probabilità P (x 1 < X x 2, y 1 < Y y 2 P (x 1 < X x 2, Y y 2 P (x 1 < X x 2, Y y 1 essendo poi P (x 1 < X x 2, Y y 2 P (X x 2, Y y 2 P (X x 1, Y y 2 F X,Y (x 2, y 2 F X,Y (x 1, y 2 Ad integrazione della Lezione 10 - Calcolo delle Probabilità e Statistica Matematica II 1

2 2 E DI NADO e P (x 1 < X x 2, Y y 1 P (X x 2, Y y 1 P (X x 1, Y y 1 segue l asserto In particolare risulta F X,Y (x 2, y 1 F X,Y (x 1, y 1 x 1 < x 2 F X,Y (x 1, y F X,Y (x 2, y y 1 < y 2 F X,Y (x, y 1 F X,Y (x, y 2 Anche nel caso bidimensionale, è possibile utilizzare l integrale di iemann-stieltjes per unificare la notazione tra coppie di va discrete e coppie di va assolutamente continue Pertanto per ogni B B( 2 scriveremo P [(X, Y B] df X,Y (x, y 11 Caso discreto Data una va doppia discreta (X, Y si definisce p r,s P (X x r, Y y s r 1, 2,, s 1, 2, massa di probabilità congiunta Ovviamente risulta p r,s 0 e r,s p r,s 1 I valori B p r s p r,s s P (X x r, Y y s P (X x r p s r p r,s r P (X x r, Y y s P (Y y s sono detti probabilità marginali della coppia (X, Y Si ha inoltre P [(X, Y B] p r,s (x r,y s B 12 Caso assolutamente continue La coppia di va (X, Y si dice assolutamente continua se esiste una funzione f(x, y detta funzione densità congiunta tale che F X,Y (x, y x y f(u, vdudv Ovviamente risulta 2 x y F X,Y (x, y f(x, y ed in particolare f(x, y 0 per ogni (x, y 2 ed inoltre Si ha inoltre + + P [(X, Y B] f(x, ydxdy 1 B f(x, ydxdy Un cenno a parte meritano le densità marginali Poiché F X (x y F X,Y (x, y dall essere e F X (x x x F X,Y (x, y y f X (udu ( f(u, vdv du

3 COPPIE DI VAIABILI ALEATOIE 3 segue che f X (u f(u, vdv 2 elazioni tra due variabili aleatorie Avendo definito le va come funzioni sullo spazio campione Ω esse sono uguali quando X(ω Y (ω per ogni ω Ω Dall uguaglianza di due va segue che F X (z F Y (z per ogni z Quando vale questa relazione, ossia quando le funzioni di ripartizione sono uguali, diremo che X è somigliante a Y e scriveremo X d Y Ovviamente la somiglianza non implica l uguaglianza Esiste poi il concetto di va uguali quasi certamente In tal caso l evento {ω Ω : X(ω Y (ω} ha probabilità di occorrenza pari ad 1, ossia P (X Y 1, in tal caso scriveremo X qc Y Pertanto si ha X Y X qc Y X d Y 21 Indipendenza Definizione 21 Due va X e Y si dicono indipendenti se e solo se F X,Y (x, y F X (xf Y (y (x, y 2 Proposizione 22 Due va X e Y sono indipendenti se e solo se P [(X, Y A B] P (X AP (Y B A, B B( Proof Scegliendo A (, x] e B (, y] è immediato dimostrare che X e Y sono indipendenti L implicazione inversa segue osservando che P [(X, Y A B] df X,Y (x, y df X (x df Y (y A B Se le va sono discrete, risultano indipendenti se e solo se P (X x r, Y y s P (X x r P (Y y s, mentre se sono assolutamente continue sono indipendenti se e solo se f(x, y f X (xf Y (y (x, y 2, dove f X e f Y rappresentano le densità marginali di X e Y 22 Condizionamento Sia (X, Y una coppia di va discrete È possibile considerare la probabilità condizionata P (X x r Y y s P (X x r, Y y s P (Y y s Tenendo fisso y s le probabilità P (X x r Y y s forniscono una distribuzione di probabilità poiché si può dimostrare che P (X x r Y y s 0 P (X x r Y y s 1 Tale distribuzione di probabilità prende il nome di distribuzione di probabilità di X condizionata da Y Nel caso di va assolutamente continue la costruzione della distribuzione di probabilità condizionata è molto più delicata, poichè in tal caso P (X x 0 r A B

4 4 E DI NADO Dati due numeri reali h, k si definisca l evento A h,k {ω Ω : x h < X(ω x + k} Si scelga l intervallo (x k, x + k] in modo tale che P (A h,k > 0 Pertanto ha senso definire P (B A h,k P (B A h,k P (A h,k P (B A h,k F X (x + k F X (x h Definizione 23 Assegnata una va X con funzione di ripartizione F X (x e un evento B F si definisce probabilità condizionata di B dato il valore x assunto dalla va X il seguente ite (se esiste: P (B x h,k 0 P (B A h,k F X (x + k F X (x h Sia ora Y una seconda va definita sullo stesso spazio di probabilità di X e sia B {ω Ω : Y (ω y} In tale caso P (B A h,k F X,Y (x + k, y F X,Y (x h, y Se allora esiste il ite di F X,Y (x + k, y F X,Y (x h, y h,k 0 F X (x + k F X (x h esso prende il nome di funzione di ripartizione di Y dato X e viene indicato con F Y X (y x P (Y y X x Proposizione 24 Se esiste P (B x e se è integrabile rispetto allla funzione F X (x si ha: P (B P (B xdf X (x Proof Dati n 1 reali x 1 < x 2 < < x n 1 e posto x 0 e x n consideriamo gli eventi A k {ω Ω : x k 1 < X(ω x k } per k 1, 2,, n Questi eventi costituiscono un sistema completo di ipotesi, e per il teorema delle alternative, tali che P (B k P (B A k P (A k k P (B A k [F X (x k F X (x k 1 ] da cui il risultato passando al ite e ricordando la definizione dell integrale di iemann-stieltjes In particolare posto B {ω Ω : Y (ω y} si ha F Y (y F Y X (y xdf X (x Supponiamo ora che X e Y siano va assolutamente continue e quindi dotate di funzione densità rispettivamente f X (x e f Y (y Scelto h 0 e k ε si ha F Y X (y x F X,Y (x + ε, y F X,Y (x, y ε 0 F X (x + ε F X (x F X,Y (x + ε, y F X,Y (x, y ε ε 0 ε F X (x + ε F X (x 1 f X (x x F X,Y (x, y

5 COPPIE DI VAIABILI ALEATOIE 5 e passando alle derivate parziali Posto y F Y X(y x 1 f X (x 2 x y F X,Y (x, y f Y X (y x y F Y X(y x f(x, y f X (x tale funzione prende il nome di densità di probabilità di Y condizionata da X È ovvio che f Y X (y x 0 e f Y X(y xdy 1 I ruoli di X e di Y si possono scambiare e quindi è possibile definire anche f X Y (x y ossia la densità di probabilità di X condizionata da Y isulta poi e dunque f Y X (y x y F Y X(y x f Y (y f(x, ydx f(x, y f X (x f(x, y f Y X(y xf X (x f Y X (y xf X (xdx Sussiste anche un analogo del teorema di Bayes al caso continuo, ossia: Vale il seguente teorema f X Y (x y f Y X(y xf X (x f Y (y f Y X (y xf X (x f Y X(y xf X (xdx Teorema 25 Se X e Y sono va indipendenti, le seguenti relazioni sono equivalenti i f X,Y (x, y f X (xf Y (y; ii f Y X (y x f Y (y; iii f X Y (x y f X (x In particolare si ha F Y X (y x 1 f X (x x F X,Y (x, y 1 f X (x x [F X(xF Y (y] F Y (y e scambiando il ruolo di X e Y segue F X Y (x y F X (x 3 Funzioni di due variabili aleatorie Nel caso (X, Y siano va discrete, la va U g(x, Y viene studiata esattamente come nel caso discreto, osservando che P (U u P (X x r, Y y s r,s:g(x r,y su Nel caso (X, Y siano assolutamente continue, esiste un teorema che consente di caratterizzare la legge di probabilità della coppia (U, V in funzione di (X, Y attraverso le relazioni U g 1 (X, Y e V g 2 (X, Y Premettiamo il seguente risultato Teorema 31 Sia g : 2 integrabile e sia O 2 un insieme aperto tale che g(x, y 0 per (x, y O c Sia poi φ : O φ(o 2 un diffeomorfismo di classe C 1 Allora per ogni A B( 2 si ha g(x, ydxdy g[φ 1 (u, v] det(dφ 1 (u, v dudv A φ(o A

6 6 E DI NADO dove Dφ 1 è la matrice iacobiana di φ 1 Corollario 32 Sia (X, Y una coppia di va assolutamente continue e g : 2 2 un diffeomorfismo tale che esiste un aperto U per il quale P [(X, Y U] 1 Allora la coppia di va (U, V g(x, Y è assolutamente continua ed ha funzione densità di probabilità congiunta data da f U,V (u, v f X,Y (x, y (x,yg 1 (u,v det(dg 1 (u, v mentre è nulla al di fuori (u, v g(u Proof Essendo P [(X, Y U] 1 si può assumere f X,Y (x, y 0 per (x, y U c Allora se I I 1 I 2 per il teorema precedente si ha P [(U, V I] P [(X, Y g 1 (I] f(x, ydxdy da cui la conclusione segue immediatamente I g 1 (I f X,Y (x, y (x,yg 1 (u,v det(dg 1 (u, v dudv Un caso particolare è quando g(x, y A (x, y T + b, dove A è una matrice quadrata di dimensione 2 invertibile e b è un vettore di dimensione 2 L inversa di g è g 1 (u, v A 1 [(u, v T b] e quindi det(dg 1 (u, v det A 1 (det A 1 Pertanto si ha f U,V (u, v f X,Y (A 1 [(u, v T b] det A 31 Somme Siano X ed Y due va assolutamente continue e sia Z X + Y Si vuole conoscere la funzione densità di Z La tecnica da utilizzare consiste nel completare la trasformazione (X, Y X + Y in una trasformazione invertibile alla quale applicare il risultato del corollario precedente Ad esempio consideriamo la funzione g : (x, y (x + y, y Siamo nel caso in cui Si noti che det A 1 e si ha ( x g(x, y A y A 1 dove A ( Essendo g(x, Y (Z, Y dal corollario segue che ( f Z,Y (z, y f X,Y (g 1 (z, y f X,Y (z y, y La funzione densità di Z si calcola come marginale di (Z, Y pertanto f Z (z f X,Y (z y, ydy Se X ed Y sono indipendenti, si ha f Z (z f X (z yf Y (ydy Spesso questa ultima formula si scrive f X+Y f X f Y dove denota il prodotto di convoluzione definito da g h(y g(z yh(ydy

7 COPPIE DI VAIABILI ALEATOIE 7 Ovviamente per il caso Z X Y si ha f Z (z f X,Y (z + y, ydy Esercizio Siano X e Y va esponenziali indipendenti Studiare la va X + Y Esercizio Siano X e Y va gaussiane standard indipendenti Studiare la va X 2 + Y 2 32 Prodotti Siano X ed Y due va assolutamente continue e sia Z XY Si vuole conoscere la funzione densità di Z La tecnica da utilizzare consiste nel completare la trasformazione (X, Y XY in una trasformazione invertibile alla quale applicare il risultato del corollario precedente Ad esempio consideriamo la funzione g : (x, y (xy, y La g è un diffeomorfismo e la sua inversa g 1 : (u, v (u/v, v Lo iacobiano di tale trasformazione è ( Dg 1 1/v u/v Dal corollario segue che tale che det Dg 1 (u, v 1 v f Z,Y (u, v 1 ( u v f X,Y v, v e quindi 1 ( z f Z (z v f X,Y v, v dv In modo del tutto analogo si dimostra che f X/Y (z v f X,Y (zv, v dv Esercizio Siano X e Y va gaussiane standard indipendenti Studiare la va X/Y