Sei sulla pagina 1di 13

Politecnico di Milano, Statistica INF, TEL [A-LZ], Epifani I.

, AA 07/08

1 Famiglia delle densit`


a gamma

Le espressioni delle densit`a esponenziale di parametro e 21 date da


(E()) 1/ex/ 1(0,) (x), >0
(1/2)1/2 x1/21 ex/2
(21 ) 1(0,) (x)

sono casi particolari di una densit`a di forma:
h(x, a, )1(0,) (x)
f (x, a, ) = R
0
h(x, a, ) dx
dove
h(x, a, ) = ex/ xa1
Usando ilZcambio di variabile y =Zx/ si trova che

ex/ xa1 dx = a ey y a1 dx, a>0
0 0

1
Def. 1 Lintegrale gamma (a) `e
Z
(a) = ex xa1 dx, a>0
0

Siamo pronti per definire la famiglia delle densit`a gamma:

Def. 2 X ha densit`
a gamma di parametri a, > 0, X (a, ), se
(1/)a x/ a1
f (x, a, ) = e x 1(0,) (x)
(a)

Osservazione: E() = (1, ) e 21 = (1/2, 2)


Propriet`a di (a):
1. Essendo che E() = (1, ) e 21 = (1/2, 2), necessariamente:

(1) = 1 e (1/2) =
R x a+11 x a
R x a1
2. (a + 1) = 0 e x dx = e x |0 + 0 e ax dx= a(a)
3. Se a `e un naturale n 1, abbiamo: (n + 1) = n! n N
2
Prop. 3 X (a, ) ha funzione generatrice dei momenti
tX 1
(1) M (t) = E(e )= t < 1/
(1 t)a

Dimostrazione
a
1/ a x( 1 t) a1
Z Z
tX tx 1/ x/ a1
E(e ) = e e x dx = e x dx
0 (a) 0 (a)
[(1 t)/]a x[(1t)/] a1
Z
1 1 1
= e x dx = , t <
(1 t)a 0 (a) (1 t)a

perche, se t < 1/ lintegranda a destra `e la densit`a (a, 1t )

E(X) = M 0 (t)|t=0 = a(1 t)a1 |t=0 = a


E(X 2 ) = M 00 (t)|t=0 = a(a + 1) (1 t)a2 |t=0 = a(a + 1) 2
Var(X) = a(a + 1)b2 a2 b2 = a 2
Riassumiamo nella seguente proposizione alcune propriet`a della fami-
glia gamma.
3
Prop. 4 i) Se X (a, ), c > 0 e Y = cX allora Y (a, c).
ii) Se X, Y sono va indipendenti con X (a, ) e Y (c, ) allora
X + Y (a + c, ).
iii) Viceversa, se X, Y sono va indipendenti e Y (c, ) e
X + Y (a + c, ), con c > 0, allora X (a, ).
Dimostrazione
1 1
ii) McY (t) = E(etcX ) = MX (ct) = a
, t<
(1 ct) c
ii) MX+Y (t) = E(et(X+Y ) )
= E(etX etY ) = E(etX ) E(etY ) [per lindipendenza di X, Y ]
1 1 1
= MX (t)MY (t) = =
(1 t)a (1 t)c (1 t)a+c
iii) MY (t) > 0 t < 1/, quindi MX+Y (t) = MX (t)MY (t) sse
MX+Y (t) (1 t)a+c 1 1
MX (t) = = = , t <
MY (t) (1 t)c (1 t)a
4
1.1 Legami fra va gaussiane e chiquadrato

Def. 5 Chiamiamo la densit`a (n/2, 2) chiquadrato con n gradi di


a e la indichiamo con il simbolo 2n .
libert`
Gi`a sappiamo che
Prop. 6 Se X N (0, 1) allora X 2 21 .

Ora verifichiamo che


Pn 2 2
Prop. 7 Se X1 , . . . , Xn sono va i.i.d. N (0, 1), allora j=1 X j n.

Dimostrazione X12 , . . . , Xn2 sono i.i.d. con comune densit` a 21 . Dal


punto ii) della Proposizione 4 applicato a n va (1/2, 2) e indipendenti
Pn
abbiamo j=1 Xj2 (n/2, 2) = 2n .

Voi avrete le tavole della fdr 2n . Potrete usarle anche per calcolare pro-
babilit`
a del tipo P (X k), con X (n, ). Infatti: se X (n, )
allora 2X/ (n, 2) = 2n e quindi: F(n,) (k) = F22n (2k/)
5
2 Varianza campionaria, propriet`
a di non distorsione

X1 , . . . , Xn i.i.d. f con media e varianza 2 finite e incognite


Obiettivo: costruire uno stimatore per 2 .
Partiamo dalla statistica
Xn
(Xj X)2
j=1
Pn
X)2 `e interpretabile come indice (aleatorio) della disper-
j=1 (Xj
sione di X1 , . . . , Xn intorno a X.

Prop. 8 Se X1 , . . . , Xn i.i.d. f e 2 < allora:


n
X n
X
(2) (Xj X)2 = (Xj )2 n(X )2
j=1 j=1
n
X 
(3) E 2
(Xj X) = (n 1) 2
j=1
6
Dimostrazione della Proposizione 8
n
X n
X
2
(Xj X) = [(Xj ) (X )]2
j=1 j=1
n
X
= [(Xj )2 + (X )2 2(Xj )(X )]
j=1
n
X n
X
= (Xj )2 + n(X )2 2(X ) (Xj )
j=1 j=1
n
X
= (Xj )2 + n(X )2 2n(X )2
j=1
n
X
= (Xj )2 n(X )2
j=1
n
X n
X
E (Xj X)2 = E (Xj )2 n E(X )2
j=1 j=1
n
= n 2 2
X
= E(Xj )2 n Var(X)
j=1
7
Def. 9 La statistica
n
2 1 X
S := (Xj X)2
n 1 j=1

`e detta varianza campionaria.


S 2 `e uno stimatore di 2 per cui E(S 2 ) = 2 ,
cio`e S 2 `e uno stimatore non distorto (o corretto) di 2 .
Considerato che la media di S 2 vale 2 , decido di stimare 2 con S 2 .
`e uno stimatore non distorto di , infatti E(X)
Notate che X = .

Se S 2 `e un buon stimatore per 2 , allora S 2 / 2 dovrebbe essere


prossimo a 1 con probabilit`a grande. Quindi, per dare una misura
dellerrore
 di approssimazione,
 `e ragionevole calcolare:
 2 
S2 S
P a 2 b con a < b prossimi a 1, oppure P 2 c
= occorre la densit`a di S 2 . Riesco a determinarla per un campione
gaussiano N (, 2 ).
8
3 Distribuzioni delle statistiche media e varianza campio-
narie di popolazione gaussiana

Prop. 10 Sia X1 , . . . , Xn un campione casuale dalla f.d.r. N (, 2 ) e


Pn n
X j 1
= j=1
X
X , S2 = (Xj X)2 , n2
n n 1 j=1

Allora, per ogni R e per ogni 2 > 0


i) X N (, 2 /n)
ii) le statistiche S 2 e X sono indipendenti
Pn 2 / 2 2
iii) (n 1)S 2 / 2 = j=1 (Xj X) n1

X
iv) La statistica , con S = S 2 , ha densit` a t di student con
S/ n
n 1 gradi di libert`a, cio`e la sua densit`
a `e:
n

2
 n2
2

t
fn1 (t) = p n1
 1+
(n 1) 2 n1
9
Dimostrazione della Proposizione 10
i) Gi`a dimostrato.
ii) NON dimostriamo questo punto sullindipendenza; la dimostra-
zione richiederebbe un lungo richiamo sui vettori gaussiani che ci
risparmiamo.
X1 Xn
iii) Passo 1: X1 , . . . , Xn i.i.d. N (, 2 ) implica , . . . ,
i.i.d. N (0, 1). Poi
X1 (X1 )2 2
N (0, 1) implica 1
2
Allora
n
X
(Xj )2 / 2 2n
j=1
Analogamente:
X (X )2 2
n N (0, 1) implica n 1
2
10
Passo 2: Abbiamo gi`
a dimostrato la seguente decomposizione
n n
2=
X X
(Xj X) (Xj )2 n(X )2
j=1 j=1

da cui deriviamo che


n
X
(n 1)S 2 / 2 + (n/ 2 )(X )2 = (Xj )2 / 2
j=1

Ora, osservate che


Le due v.a. a sinistra sono indipendenti,
la seconda ha densit`a 21 = (1/2, 2),
e la loro somma ha densit`a 2n = (n/2, 2).
Dalle propriet`a della famiglia delle densit`a gamma deduciamo che
laltro addendo (n 1)S 2 / 2 ha densit`a (n/2 1/2, 2) = 2n1 .

11
S 2 (n1)
iv) Siano Z = X
2
eY = 2 . Allora
/n
Z, Y sono indipendenti (`e il punto ii),
N (, 2 /n) e quindi Z N (0, 1) (`e il punto i),
X
Y 2n1 (`e il punto iii)
Osserviamo poi che

X
S/n = Z
Y /(n1)
Applicando il seguente Lemma 11, la tesi segue.

Lemma 11 Siano Z N (0, 1), Y 2n e Z e Y indipendenti.


Z
Allora p ha densit`
a t di student con n gradi di libert`
a.
Y /n

La densit`
a t di student con n gradi di libert`a `e data
n+1

2 t2 n+1
fn (x) = n (1 + n )
 2 xR
n 2
12
Dimostrazione del Lemma 11:
 Z   p  Z
P p t = P Z t Y /n = fY (y)fZ (z) dz dy
Y /n At
p
[con At := {(y, z) (0, ) R : z t y/n}]
Z Z ty/n  Z p 
= (z) dz fY (y) dy = fY (y) t y/n dy
0 0

Allora Z
 Z  p 
P p t (t) = fY (y) t y/n dy
t Y /n 0 t
Z r Z 1 r
p  y 2n/2 y2 n 1 1
2
t2ny y
= fY (y) t y/n dy = n e y 2 e dy
0 n 0 2 2 n
n+1

2 Z n+t2 n+1
2 t n+1 ( 2n ) 2 y n+t2 n+1 1
= n (1 + n )
 2
n+1
 e 2n y 2 dy
n 2 0 2

Ultimo integrale vale 1 perche lintegranda `e la densit`a ( n+1


2 , 2n
n+t2 )
13