Lezione 18 - 12/4/21

Immaginiamo di prendere la normale

X ∼ N 0, � 2
Immaginiamo ora:

Y ∼ N 0, � 12
Dove
� 12 < � 2

Perciò più la varianza è piccola più la "gaussiana" è alta e stretta.

Per casa Cosa succede per � → +∞?

0
Vogliamo calcolare la funzione generatrice dei momenti di una V.A.
normale
X ∼ N �, � 2 , � ∈ R , � 2 ∈ R +
Voglio calcolare:
(x - �) 2
- (x - �) 2 tx ⋅ 2� 2
+∞ 2� 2 +∞
e 1 - +
Ee tX = ∫ e tx dx = ∫ ⋅e 2� 2 2� 2
=
-∞ -∞
� 2� � 2�
x 2 + � 2 - 2x� - tx ⋅ 2� 2
1 +∞ -
= ∫-∞ e 2� 2
dx =
� 2�
aggiungo dei termini li "levo"
⏜⏟⏟⏟ ⏝⏟⏟⏟ ⏞
x 2 + � 2 - 2x� - tx2� 2 +2�� 2 t + � 4 t 2 ⏜⏟⏟⏟
2�� 2⏝⏟⏟⏟
t + �4⏞
t2
1 +∞ -
= ∫-∞ e 2� 2
⋅e 2� 2
dx =
� 2�
cambio di variabile
2 x
2 2
� t 2 2 2
� t x �-� 2 t y=
�t+ x - � - �2t �t+ �
- � �
e 2 +∞ - e 2 +∞ -
= ∫-∞ e 2� 2
dx = ∫-∞ e 2 ⏜⏟⏟⏟
dx
⏝⏟⏟⏟
=
⏞
� 2� � 2�
cambio di variabile
2 � - �2t
�-� 2 t z=y-
�2t2 y- �
�t+ �
e 2 +∞ - ⏜⏟⏟⏟
⏝⏟⏟⏟
⏞
= ∫-∞ �e 2 dy =
� 2�
�2t2
�t+ z2 �2t2
e 2 +∞ - �t+
= ∫ e 2 dz =e 2
-∞
2�
⏠⏣⏣⏣
⏡⏣⏣⏣
⏢
= 2�

Definizione funzione generatrice dei momenti di una V.A. normale

Sia

X ∼ N �, � 2 , � ∈ R , � 2 ∈ R +
Allora:
�2t2
�t+
m X (t) = e 2

Di conseguenza se
X ∼ N(0, 1)
Allora:
t2
m X (t) = e2
Proposizione
X,Y VV.AA. indipendenti tali che:

X ∼ N � 1 , � 12
Y ∼ N � 2 , � 22
Allora:

Z = X + Y ∼ N � 1 + � 2 , � 12 + � 22

Dimostrazione

�12 t 2 �22 t 2 �12 + �12 t 2

� 1 t+ � 2 t+ (� 1 +� 2 )t+
Ee t(X+Y) = Ee tX ⋅ Ee tY = e 2 ⋅e 2 =e 2

E quindi possiamo immediatamente concludere che:

X + Y ∼ N � 1 + � 2 , � 12 + � 22 QED ⊠

Definizione Funzione gamma: �

Sia
+∞
Γ : R + → R + / Γ(�) = ∫ x �-1 e -x dx con � > 0 (1)
0

Chiamiamo Γ funzione gamma.

Osservazione
Se � > 0
�(�) = (� - 1)�(� - 1)
�(1) = 1
Se � = n ∈ N *
�(�) = (� - 1)!
Cioè generalizza il concetto di fattoriale
Definizione V.A. gamma
Sia � > 0 , � > 0
Diremo che
X ∼ Ga(�, �)
Se

��
f X ( x) = x �-1 e -�x , x > 0
�(�)
0 , x<0
Per casa verificare che sia una densità di probabilità
Cioè l'integrale sul supporto deve essere uguale ad 1.
Occhio che quando facciamo l'integrale dobbiamo riportarci all'integrale di �(�) vale 1 sul
supporto
+∞ 0 +∞
∫-∞ f X (x) dx = ∫ f X (x) dx + ∫
-∞ 0
f X (x) dx =
y=�x �-1
0 +∞ �� ⏞ �
� +∞ y y
= ∫ 0 dx + ∫ ∫0
�-1 -�x ⏜⏟⏟
⏝⏟⏟
x e dx = e -y d =
-∞ 0 �(�) �(�) � �
�� 1 +∞ y �-1 1 +∞ �(�)
= ⋅ ∫0 �-1
e -y dy = ∫0 y �-1 ⋅ e -y dy = =1
�(�) � � �(�) �(�)
Ricordiamo (1) e perciò
�(�)
= =1
�(�)

�=1
A cosa si riduce la densità?

�e -�x , x > 0
f X ( x) =
0 , x<0
X ∼ Ga(1, �) = Exp(�)
Definizione chi-quadrato (� 2 ) con n gradi di libertà
Consideriamo il seguente caso particolare:

n 1
X∼� , , n ∈ N*
2 2
In questo caso diremo che X si distribuisce come un "chi-quadrato" (� 2 ) con n gradi di
libertà e scriveremo:
X ∼ � n2
Proprietà della V.A. normale
Consideriamo delle VV.AA. X 1 , X 2 , … , X n indipendenti e tali che:

i = 1, … , n
Xi ∼ Ga(� i , �) , �i > 0 i = 1, … , n
�>0
Allora:
X1 +…+ Xn ∼ Ga(� 1 + � 2 +… � n , �)

Vediamo adesso come sono fatti i

Momenti di una V.A. gamma

 +∞ ��
EX � = ∫
-�x
x� x �-1 e dx �>0
0 �(�)
�� +∞
= ∫0 e
-�x
⋅ x �+�-1 dx =
�(�)
moltiplico suo inverso
⏜⏟⏟
⏝⏟⏟
⏞ ⏜⏟⏟
⏝⏟⏟ ⏞
�� �(� + �) +∞
�+�
� -�x �(� + �)
= ⋅ ∫ e ⋅ x �+�-1 dx = ⋅
�(�) � �+� 0 �(� + �) �(�)� �
⏠⏣⏣⏣⏣⏣⏣ ⏡⏣⏣⏣⏣⏣⏣
questo è l'integrale su tutto il supporto di⏢
X∼Ga(�+�, �)
=1

Perciò scegliendo � possiamo calcolare tutti i momenti, centrati e non.

�(� + 1) ��(�) �
EX = = =
��(�) ��(�) �
�(� + 2) (� + 1)�(� + 1) (� + 1)��(�) �(� + 1)
EX 2 = 2 = = =
� �(�) � 2 �(�) � 2 �(�) �2
2
� ( � + 1) � � 2 + a-� 2 �
VarX = - = =
�2 � �2 �2

Funzione caratteristica
Definizione V.A. complessa

Z = Z 1 + iZ 2
E' una V.A. definita su di uno spazio di probabilità (�, F, P) a valori in C è una V.A.
complessa se e solo se: Z 1 e Z 2 sono VV.AA. a valori reali.
Osservazione
Z è integrabile se lo sono Z 1 e Z 2 e
EZ = EZ 1 + EZ 2
Definizione funzione caratteristica
Sia X una V.A. a valori reali in R d , d ⩾ 1
Chiameremo funzione caratteristica
prodotto
scalare
⏜⏟⏟⏟
⏝⏟⏟⏟
⏞
� : R d → C / �(�) = Ee i < �, X >
Essendo un esponenziale complesso esso può essere scritto in termini di seno e coseno.
E[cos < �, X > + i sin < �, X > ] = Ecos < �, X > + iEsin < �, X >
Quindi � prende un vettore reale e restituisce un valore complesso.

La struttura è simile alla funzione generatrice dei momenti.

Osservazione
d=1
�(�) = Ee i�X = Ecos�X = iEsin�X
Osservazione

� ( 0) = 1
Osservazione
Se X è discreta:

�(�) = ∑ e i<�,xk > E(X = x k )

k
Se X è assolutamente continua:

�(�) = ∫ … ∫e i<�,x> f X (x) dx

Teorema

X,Y VV.AA. hanno stessa distribuzione

⟺
X,Y hanno la stessa funzione caratteristica
1
X, Y indipendenti ⟹ � X+Y (�) = � X (�) ⋅ � Y (�)
Dimostrazione

� X+Y (�) = Ee i<�,X+Y> = Ee i<�,X> + i<�,Y> = Ee i<�,X> ⋅ Ee i<�,Y> = � X (�)� Y (�)

2
Sia b ∈ R k
Sia A matrice k ⨯ d
Consideriamo
Y= A X + b
k×d d×1 k×1
i<�,Y> i<�,AX+b>
� Y (�) = Ee = Ee = E e i<�,b> ⋅ e i<�,AX> =
T
= e i<�,b> Ee i<�,AX> = e i<�,b> Ee i<A �,X>
=
Con A T = A trasposto

= e i<�,b> � X A T �
d×k k×1

3
d=1
d
e i�X = iXe i�X
d�
 dk
k
e i�X = (iX) k e i�X
d�
k
d dk
k
� X (�) = k
Ee i�X = E (iX) k e i�X
d� d�
Calcolando per � = 0 otteniamo:
dk
k
� X (�)| �=0 = i k EX k
d�
Quindi:
1 dk
EX k = ⋅ � X (�)| �=0
i k d� k