Teoria degli errori e fondamenti di statistica/6.4
Questo testo è stato riletto e controllato. |
◄ | 6.3 | 6.4.1 | ► |
6.4 Funzione generatrice e funzione caratteristica
La speranza matematica della funzione per una variabile casuale continua x prende il nome di funzione generatrice dei momenti della variabile stessa; la indicheremo nel seguito col simbolo . Il motivo del nome è che risulta, indicando con la densità di probabilità di x:
(6.4) |
(per una variabile continua, oppure
per una variabile discreta); e, ricordando sia lo sviluppo in serie di McLaurin della funzione esponenziale
che la definizione dei momenti rispetto all’origine, se questi esistono tutti fino a qualsiasi ordine risulta anche
da cui
e, in definitiva, derivando successivamente la funzione generatrice si possono ricavare tutti i momenti della funzione di frequenza da cui essa discende. Se interessa invece uno dei momenti non rispetto all’origine, ma rispetto al valore medio , basta considerare l’altra funzione
(6.5) |
e si trova facilmente che risulta
.
La speranza matematica della funzione si chiama invece funzione caratteristica della variabile casuale x, e si indica con :
(6.6) |
(6.7) |
per una variabile discreta); e, se esistono i momenti di qualsiasi ordine rispetto all’origine, risulta anche
(6.8) |
dalla quale si ricava
. | (6.9) |
Queste funzioni sono importanti in virtù di una serie di teoremi, che citeremo qui senza dimostrarli:
- I momenti (se esistono fino a qualunque ordine) caratterizzano univocamente una variabile casuale; se due variabili casuali hanno gli stessi momenti fino a qualsiasi ordine, la loro densità di probabilità è identica.
- La funzione generatrice esiste solo se esistono i momenti fino a qualsiasi ordine; e anch’essa caratterizza univocamente una variabile casuale, nel senso che se due variabili hanno la stessa funzione generatrice la loro densità di probabilità è identica.
- La prima definita si chiama anche trasformata di Fourier della funzione ; anch’essa caratterizza univocamente una variabile casuale nel senso su detto. Le proprietà che contraddistinguono una funzione che rappresenti una densità di probabilità implicano poi che la funzione caratteristica, a differenza della funzione generatrice dei momenti, esista sempre per qualsiasi variabile casuale; la (6.9) è però valida solo se i momenti esistono fino a qualsiasi ordine. Inoltre, se è nota la , la si può sempre invertire (riottenendo da essa la f) attraverso la
(6.10) |
(trasformata inversa di Fourier).
Vogliamo infine ricavare una relazione che ci sarà utile più avanti: siano le N variabili casuali continue (che supponiamo tutte statisticamente indipendenti tra loro), ognuna delle quali sia associata ad una particolare funzione caratteristica ; il problema che vogliamo affrontare consiste nel determinare la funzione caratteristica della nuova variabile casuale S, definita come loro somma:
.
Il valore di ogni sarà univocamente definito dai possibili risultati di un qualche evento casuale ; per cui la S si può pensare univocamente definita dalle possibili associazioni di tutti i risultati di questi N eventi — associazioni che, in sostanza, corrispondono alle possibili posizioni di un punto in uno spazio cartesiano N-dimensionale, in cui ognuna delle variabili sia rappresentata su uno degli assi.
Visto che i valori sono (per ipotesi) tra loro tutti statisticamente indipendenti, la probabilità di ottenere una particolare N-pla è data dal prodotto delle probabilità relative ad ogni singolo valore: e, se indichiamo con la funzione densità di probabilità della generica , la probabilità di ottenere un determinato valore per la S è data da
(dS rappresenta un intorno (ipercubico) infinitesimo del punto S, di coordinate cartesiane nello spazio N-dimensionale prima descritto, corrispondente agli N intorni unidimensionali dei valori assunti dalle N variabili casuali ); e la densità di probabilità per la S vale quindi
.
La funzione caratteristica di S è, dall’equazione di definizione (6.6),
ed infine
(6.11) |