Sei sulla pagina 1di 11

Momenti di variabili aleatorie

• Momento (ordinario) r-esimo di una variabile aleatoria uni-


dimensionale X
µr = E ( X r )

– Caso discreto:
tr pX (t)
X
µr =
t∈RX

– Caso continuo:
Z
µr = tr fX (t) dt
R
• Proprietà:


µ0 = 1


µ1 = E (X ) = µ


 
E X2 = 0 ⇐⇒ PX (X = 0) = 1
• Momento centrale r-esimo di una variabile aleatoria unidi-
mensionale X
mr = E [(X − E (X ))r ]


m1 = E [(X − E (X ))] = 0

– Se una variabile aleatoria ha distribuzione simmetrica, il


suo valore atteso coincide con il centro di simmetria e
tutti i momenti centrali di ordine dispari sono nulli
• Il momento centrale secondo di una variabile aleatoria è det-
to varianza e misura la dispersione della sua distribuzione
attorno al valore medio
h i
2
m2 = Var (X ) = σX = E (X − E (X )) 2
• Proprietà:


2 = µ − µ2
σX 2


Var (aX + b) = a2Var (X )


h i
2
E (X − µ) = 0 ⇐⇒ PX (X − µ = 0) = 1
• Proprietà:


h i h i
2 2
σX = E (X − µ) = min E (X − a) 2
a∈R

– (disuguaglianza di Cebicev)
1
PX (µ − aσX < X < µ + aσX ) ≥ 1 − 2
a
• Scarto quadratico medio o deviazione standard
q
σX = Var (X )

• Standardizzazione della variabile aleatoria X


X −µ
Z=
σX
• Proprietà:


1
E (Z ) = E ( X − µ) = 0
σX


1
Var (Z ) = 2 Var (X ) = 1
σX
Mediana di una variabile aleatoria

• Mediana della variabile aleatoria X o della sua distribuzione


1 1
PX (X ≥ Me (X )) ≥ e PX (X ≤ Me (X )) ≥
2 2
ovvero in termini della funzione di ripartizione
1
lim FX (Me (X ) − h) ≤ ≤ FX (Me (X ))
h→0+ 2
• Quando la variabile aleatoria X è continua si ha:
1
FX (Me (X )) =
2

• Nel caso discreto la mediana è per definizione quel valore


che lascia alla sua sinistra ed alla sua destra una probabilità
almeno pari ad 1 2.
• Proprietà:

– Se Y = g (X ) con g funzione non decrescente, allora:

Me (Y ) = g (Me (X ))

– Per qualsiasi variabile aleatoria X vale

E [|X − Me (X )|] = mina∈RE [|X − a|]