Sei sulla pagina 1di 4

Trasformazioni di variabili aleatorie

• Se X è un vettore aleatorio k-dimensionale e g (·) una fun-


zione misurabile definita su Rk e a valori in Rh , allora Y =
g (X ) è un vettore variabile aleatorio h-dimensionale.

La funzione di ripartizione di Y può essere ottenuta attraver-


so la funzione di probabilità (nel caso discreto) o la funzione
di densità (nel caso continuo) della X.
– X ed Y = g (X ) variabili aleatorie discrete unidimensionali
(k = h = 1)
X
pY (y ) = pX (t)
{t∈R:g(t)=y}
Se g è biunivoca le due variabili aleatorie assumono valori
diversi tra loro, ma con le stesse probabilità.

– X ed Y vettori aleatori discreti (rispettivamente di dimen-


sione k ed h)
X
pY (y1, . . . , yh) = pX (t1, . . . , tk )
{(t1,...,tk )∈Rk :g(t1,...,tk )=(y1,...,yh)}
– X è unidimensionale e continua e la funzione g è tale che
esiste g −1 derivabile. Allora Y = g (X ) è unidimensionale
e continua con:
 dg −1 (y )

fY (y ) = fX g −1 (y )



dy

– X è un vettore aleatorio k-dimensionale e continuo e la


funzione g è tale che esiste g −1 derivabile. Allora Y =
g (X ) è k-dimensionale e continuo con:
−1 −1
 
fY (y ) = fX g1 (y1, . . . , yk ) , . . . , gk (y1, . . . , yk ) |det J|
– Densità della somma S di due variabili aleatorie continue
indipendenti X1 e X2 aventi rispettivamente densità fX1
ed fX2 :
Z
f S (s ) = fX1 (s − t2) fX2 (t2) dt2
R
Nell’integrale precedente, anche detto convoluzione per
funzioni di densità, il dominio di integrazione va adatta-
to opportunamente all’insieme di definizione delle variabili
aleatorie X1 e X2.