Variabili aleatorie

VARIABILI ALEATORIE REALI: OPERAZIONI GENERALI

Distribuzione F(x)
Densità di probabilità f(x)
Valor medio (E[x(s)])—forma integrale
Varianza ([sigma^2]) ---- forma integrale

VARIABILI ALEATORIE REALI GAUSSIANE

Densità di probabilità normalizzata di una x(s)

f(x) Densità di probabilità generale di una x(s)
Teorema limite centrale: Successione di variabili aleatorie indipendenti, con uguale varianza e
valor medio se sommate come z’(s) danno luogo a una distribuzione gaussiana normalizzata

VETTORE ALEATORIO REALE

Distribuzione probabilità congiunta

Densità di probabilità congiunta
Proprietà della distribuzione congiunta e della densità di probabilità e il loro legame grafico
Statistica indipendenza—fx(xi) e Fx(xi)
Statistica incorrelazione (covarianza=0)
Statistica ortogonalità (prodotto scalare=0)
Covarianza—Matrice covarianza (rispetto a n v.a. reali diverse)
Varianza
Coefficiente correlazione (rij)
Vettori aleatori gaussiani reali—f(x) congiunta e proprietà(t. lineari, statistica indipendenza,
congiunta gaussianità collegata a densità marginale delle singole variabili)

VETTORI ALEATORI COMPLESSI

Valor medio
Distribuzione congiunta
Densità di probabilità congiunta
Statistica indipendenza ( indipendenza a gruppi x1,y1—x2,y2….)--- fz(xi,yi) e Fz(xi,yi)
Statistica incorrelazione (covarianza=0)
Statistica ortogonalità (prodotto scalare=0)
Covarianza—matrice di covarianza (rispetto a n v.a. complesse diverse)
Varianza (è uguale alla covarianza sulla stessa v.a.)
Coefficiente correlazione (rij)
Vettori aleatori gaussiani complessi—f(x) congiunta
PROCESSI ALEATORI REALI
Dal processo estraiamo una variabile aleatoria reale x(s). Questa v.a. avrà valori statistici che
variano in funzione del tempo perché la variabile è ottenuta prelevando campioni in istanti t da n
funzioni campione che variano nel tempo:

F(x(s,t)
f(x(s,t)
E(x(s,t)

Come per i vettori aleatori si può pensare a una probabilità congiunta tra due variabili aleatorie
prelevate sullo stesso processo. Quindi posso calcolare densità, distribuzione congiunte tra
variabili aleatorie prelevate in istanti diversi (t1,t2..tn)

Processi aleatori gaussiani reali= se un qualunque vettore di v.a è formato da v.a. gaussiane

Processi aleatori stazionari sss reali= distribuzione invariante rispetto a traslazioni temporali,
Valor medio costante, densità di probabilità semplice dipendente da t1-t2 e densità di probabilità
congiunta dipendente dalla distanza dipendente dalla differenza dei tempi f(x1,x2,x3, t1-t2, t1-t3).
Proprietà (le funzioni campione devono essere di potenza per garantire valor medio costante)

Processi aleatori stazionari wws reali= se valor medio è costante e l’autocorrelazione dipende
dalla differenza dei tempi

Processi aleatori stazionari e gaussiani= se gaussiani e stazionari in senso lato allora lo sono anche
in senso stretto—DIMOSTRAZIONE ( si prendono 3 variabili aleatorie)

PROCESSI ALEATORI COMPLESSI

Se le variabili aleatorie estratte dal processo sono complesse. Avendo parte reale x(t,s) e
immaginaria y(t,s) capisco che ho distribuzione:
F(x)= 3n variabili
f(x)= derivata di ordine n in x e di ordine n in y

Autocorrelazione
Autocovarianza
Cross-correlazione
Cross-covarianza

Statistica indipendenza
Statistica incorrelazione (covarianza=0)
Statistica ortogonalità (prodotto scalare in istanti diversi= autocorrelazione=0)
Processi aleatori gaussiani complessi= se un qualunque vettore di v.a è formato da v.a. gaussiane

Processi aleatori stazionari sss complessi= parte e reale di UNA VARIABILE sono congiuntamente
stazionarie sss , ossia la distribuzione della p. reale e della p. immaginaria sono invarianti rispetto
a traslazioni temporali. DUE O PIU’ VARIABILI sono congiuntamente stazionarie se la cross-
correlazione dipende da differenze temporali

Processi aleatori stazionari wws complessi= se valor medio è costante e l’autocorrelazione

dipende dalla differenza dei tempi

Processi aleatori stazionari e gaussiani= se gaussiani e stazionari in senso lato allora lo sono anche
in senso stretto—DIMOSTRAZIONE ( si prendono 3 variabili aleatorie)

Cross-spettri: cross correlazione in funzione di tau

TRASFORMAZIONI LINEARI PROCESSI STAZIONARI