VARIABILI ALEATORIE: Si definisce variabile aleatoria X una funzione reale definita su uno spazio campione S, che associ ad ogni

risultato dellesperimento aleatorio un numero reale.

TEOREMA DEL LIMITE CENTRALE:

1. Xi sono statisticamente ind. 2. Xi stessa funzione di probabilit 3. Sono caratterizzate da una media e una varianza

Y !Xi allora " #Y$%&Y'()*+ tendea una variabile casuale ,aussiana a media nulla e varianza unitaria per - che tende allinfinito. .a distribuzione normalizzata della somma di variabili casuali indipendenti e identicamente distribuite tende alla distribuzione gaussiana al crescere del numero di variabili casuali, indipendentemente dalle singole distribuzioni.

PROCESSO ALEATORIO:
/ollezione di un numero finito o infinito di funzioni del tempo #segnali determinati( corrispondenti a diversi risultati di un esperimento aleatorio. Sono funzioni del tempo. 0n insieme indicizzato di variabili casuali X#t,s( 1 chiamato processo casuale .aleatoriet sta nel fatto che a priori non 1 possibile sapere 2uale sar il segnale. %seguito lesperimento, il processo diventa a posteriori un segnale determinato x#t, 3i(, detto funzione ca!pio"e o reali##a#io"e

STA$IONARIO
0n processo si dice sta#io"ario i" se"so stretto se una traslazione temporale modifica le forme donda ma il comportamento statistico rimane invariato, cio14

5X#t67(#8( 5X#t(#8(

(distribuzioni)

0n processo si dice sta#io"ario i" se"so lato %SSL& #o in senso debole( se4 1. %&X' non dipende dal tempo. 2. 9#7( dipende solo dalla distanza degli istanti 3. 9#:( finito (densit spettrale di potenza, perch uguale a E[X2])

ER'ODICO:

/aratterizzazione dal punto di vista statistico a partire da 2ualun2ue delle sue realizzazioni. .a !e(ia te!porale, essendo un numero non dipende da t ne consegue che anche la !e(ia ()i"sie!e non dipende da t. /oincidono con probabilit 1.

1. %rgodico in valor medio se4 1);<8#t(dt %&X' =con prob. 1 2. %rgodico in autocorrelazione se4 9Xi 9X %&X#t(X#t$7('

BA*ES:

>l teorema di ?a+es ci permette di calcolare la probabilit a posteriori note le probabilit a priori e le probabilit marginali.

Consideriamo un evento A come la conseguenza di cause diverse Bi . Diciamo: P(A | Bi) probabilit a priori

cio dato per certo una causa qual la probabilit che si verifichi la conseguenza

P(B | A) probabilit a posteriori Bi

cio dato per certo che si verificato leffetto mi dice qual la probabilit che Bi sia una causa