Sei sulla pagina 1di 7

Valori attesi di variabili aleatorie

• Valore atteso o speranza matematica o valor medio di una


variabile aleatoria discreta X con funzione di probabilità pX
e insieme di definizione RX
X
E (X ) = t pX (t)
t∈RX

• Valore atteso o speranza matematica o valor medio di una


variabile aleatoria continua X con funzione di densità fX
Z
E (X ) = t fX (t) dt
R
• Notazione unica nel caso di variabili aleatorie discrete e con-
tinue:
Z
E (X ) = t dFX (t)
R
Espressione riferita alla teoria dell’integrazione di Lebesgue-
Stieltjes che prende la forma rispettivamente di somma o di
integrale nel caso di variabili aleatorie discrete o dotate di
densità.
Valori attesi di funzioni di variabili aleatorie

• Valore atteso della funzione Y = g (X ) della variabile aleatoria


discreta X
X
E (Y ) = g (t) pX (t)
t∈RX

• Valore atteso della funzione Y = g (X ) della variabile aleatoria


continua X
Z
E (Y ) = g (t) fX (t) dt
R
• Valore atteso della funzione reale Y = g (X ) di un vettore
aleatorio k-dimensionale discreto X con funzione di probabil-
ità pX1···Xk
X
E (Y ) = g (t) pX1···Xk (t)
t∈RX ⊂Rk

• Valore atteso della funzione reale Y = g (X ) di un vettore


aleatorio k-dimensionale dotato di densità fX1···Xk
Z
E (Y ) = g (t) fX1···Xk (t) dt1 · · · dtk
Rk
Proprietà dei valori attesi

• Il valore atteso di una costante è uguale alla costante stessa

E (c ) = c

• Il valore atteso della funzione di una variabile aleatoria molti-


plicata per una costante è uguale alla costante per il valore
atteso della funzione della variabile aleatoria

E [c h (X )] = c E [h (X )]
• Il valore atteso di una combinazione lineare di più funzioni di
una variabile aleatoria X è uguale alla stessa combinazione
lineare dei valori attesi delle stesse funzioni della variabile
aleatoria
 
n
X n
X
E c i h i (X ) = ciE [hi (X )]
i=1 i=1

• Il valore atteso del prodotto di due variabili aleatorie è uguale


al prodotto dei valori attesi delle variabili se queste sono
indipendenti
E (X1X2) = E (X1) E (X2)
• Disuguaglianza di Schwarz-Hölder: Dati due numeri positivi
a e b tali che a−1 + b−1 = 1 e due variabili aleatorie X1 e X2
si ha
1 h  i 1
a b b
E (|X1X2|) ≤ [E (|X1| )] a E |X2|

• Disuguaglianza di Schwarz (caso particolare)


   
2 2 2
[E (|X1X2|)] ≤ E X1 E X2