PROBABILIT E STATISTICA

Prof. Romano Scozzafava

Lez. 18 - Vettori aleatori

Argomenti della lezione

Vettori aleatori continui e discreti
Distribuzioni marginali
Indipendenza di numeri aleatori
Previsione e varianza di funzioni
di vettore aleatorio
Teorema di Bayes per vettori aleatori

Discreto:
Vettore aleatorio

phk
hk = P(X = h,Y = k) > 0,

X = ( X11, X22, , Xmm) : Rm

Continuo:
per ogni (x, y) R22,

(X,Y) : R2

h, k = 1, 2, ...

P(X = x, Y = y) = 0

f(x, y) dx dy

P(A) =

A
A

Distribuzioni marginali:
(X = h) = (X = h) = (X = h) [

(Y= k)] =

[(X = h) (Y = k)]

phh = P (X = h) =

phkhk

pkk = P (Y = k) =

phkhk

phk
hk ph pk

Copyright Universit Telematica Internazionale UNINETTUNO

PROBABILIT E STATISTICA
Prof. Romano Scozzafava
Lez. 18 - Vettori aleatori

A R2 :

Caso continuo
fXX(x) =

+
+

+
+

f( x, y)dy

insieme di misura positiva (A)

distribuzione uniforme su A

-
-

fYY(y) =

f( x, y)dx

-
-

f (x, y) =

f(x, y) fXX(x) fYY(y)

In particolare

densit f(x, y) = 1 su A, 0 altrove

11

dy = 1, x [0.1],

00

se

(x, y) A

se

(x, y) A

Altro esempio:

A = {0 x 1, 0 y 1}

fXX(x) =

(A)

0 altrove

Cerchio A di raggio r,
con centro nellorigine

f(x, y) = 1 / r2
su A, 0 altrove

f (x, y) = fXX(x) fYY(y)

Posto

(x) = (r2 - x2)1/2, per x [-r, r],

fX(x) =

(x)
(x)

-(x)
-(x)

f(x, y)dy = 2 (r2 - x2)1/2,

r

Analogamente la marginale di

Marginali non uniformi e non vale la

f(x, y) = fX(x) fY(y)

con fX(x) = 0 per x [-r, r]

Copyright Universit Telematica Internazionale UNINETTUNO

PROBABILIT E STATISTICA
Prof. Romano Scozzafava
Lez. 18 - Vettori aleatori

Distribuzioni marginali condizionate

phk
phh kk = P (X = hY = k) = phk ,
k
k
phk
hk
pkk hh = P (Y = kX = h) = phh ,

Se fYY(y) > 0, fXX(x) > 0

h = 1, 2

P(U) =

-
-

-
-

f(x, y)
fXX(x)

f(x, y) = fXX(x) fYY(y x) = fYY(y) fXX(x y)

P(X + Y) =

U = (X,Y)
+
+

fYY(y x) =

k = 1, 2

phk
= phhpkk hh = pkkphh kk
hk

+
+

f(x, y)
fYY(y)

fXX(x y) =

(x, y)c(x, y)dx dy

var (U) = P(U22) - [P(U)]22

-
-

(x + y)f(x, y)dx dy

+
+

+
+

+
+

+
+

-
-

-
-

-
-

+
+

+
+

-
-

-
-

(X,Y) = XY

X, Y

per qualunque scelta di x e y

-
-

-
-

P(XY) =

f(x, y) = (x)(y)

+
+

x dx f(x, y)dy + y dy f(x, y)dx

= x (x)dx + y(y)dy = P(X)+ P(Y)

U = (X, Y) = X + Y

Componenti del vettore aleatorio

(X,Y) stocasticamente indipendenti se

+
+

P(XY) =

+
+

-
-

+
+

-
-

+
+

-
-

x(x)dx

+
+

+
+

-
-

-
-

xy f(x, y)dx dy

xy f(x, y)dx dy =

+
+

-
-

y(y)dy = P(X)P(Y)

cov(X, Y) = P(XY) - P(X)P(Y) = 0

Copyright Universit Telematica Internazionale UNINETTUNO

PROBABILIT E STATISTICA
Prof. Romano Scozzafava
Lez. 18 - Vettori aleatori

(x)(y x) = (y)(x y)

cov(X, Y) = P(XY) - P(X)P(Y) =

Teorema di Bayes per vettori aleatori

= P[(X-mx)(Y- my)]
(y x) = K(x)(y)(x y)

mx = P(X)

my = P(Y)

con K(x) = 1/(x)

Copyright Universit Telematica Internazionale UNINETTUNO