Note del corso di Analisi II (parte di calcolo delle probabilita' e ...
Note del corso di Analisi II (parte di calcolo delle probabilita' e ...
Note del corso di Analisi II (parte di calcolo delle probabilita' e ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
(ii) La (5.5) può essere riscritta<br />
√ n( ¯Xn − µ) ≃ σY ∼ N(0, σ 2 ),<br />
oppure<br />
¯X n ≃ µ + σ √ n<br />
Y ∼ N(µ, σ 2 /n),<br />
oppure<br />
n∑<br />
X i ≃ nµ + √ nσY ∼ N(nµ, nσ 2 ) per n → ∞.<br />
i=1<br />
Qui “≃” corrisponde all’approssimazione nel senso <strong>del</strong>la convergenza in legge per n → ∞, mentre<br />
“Z ∼ N(µ, σ 2 )” significa che la variabile aleatoria Z ha <strong>di</strong>stribuzione normale <strong>di</strong> speranza µ e varianza<br />
σ 2 . Quin<strong>di</strong> quanto più grande è n, tanto più la legge <strong>del</strong>la variabile aleatoria ¯X n è vicina alla legge<br />
normale <strong>di</strong> me<strong>di</strong>a µ e varianza σ 2 /n, e tanto più la varianza <strong>di</strong> quest’ultima legge è piccola. Questo è<br />
coerente con due fondamentali proprietà:<br />
(a) la speranza <strong>di</strong> una somma <strong>di</strong> variabili aleatorie è la somma <strong>del</strong>le speranze;<br />
(b) la varianza <strong>di</strong> una somma <strong>di</strong> variabili aleatorie non correlate è la somma <strong>del</strong>le varianze; quin<strong>di</strong>,<br />
essendo la varianza quadratica, la varianza <strong>del</strong>la loro me<strong>di</strong>a è la me<strong>di</strong>a <strong>del</strong>le varianze <strong>di</strong>visa per il<br />
numero <strong>del</strong>le variabili aleatorie.<br />
(iii) La seconda formula <strong>del</strong>la (5.6) può anche essere interpretata come segue: per n “abbastanza”<br />
grande, la legge <strong>del</strong>la variabile aleatoria ¯X n finisce con <strong>di</strong>pendere dalle variabili X i “essenzialmente”<br />
solo attraverso la loro me<strong>di</strong>a µ e la loro varianza σ 2 /n. 34 Più precisamente, quanto più n è grande,<br />
tanto più questo è vero.<br />
(iv) Se ciascuna variabile aleatoria X i <strong>del</strong> campione aleatorio ha legge normale N(µ, σ 2 ), allora<br />
si può <strong>di</strong>mostrare che la (5.6) è verificata esattamente (senza bisogno <strong>di</strong> approssimare), ovvero che<br />
¯X n ∼ N(µ, σ 2 /n).<br />
Relazione tra TLC e TGN. Il TLC spiega il ruolo fondamentale <strong>del</strong>la <strong>di</strong>stribuzione normale in<br />
statistica.<br />
(i) TLC ⇒ TGN. 35 Sia {X i } i∈N un campione aleatorio <strong>di</strong> variabili aleatorie con speranza µ e<br />
varianza finita σ 2 > 0, e sia Y una variabile aleatoria normale standard. Fissiamo una qualsiasi<br />
costante c > 0, ed osserviamo che, definendo Sn ∗ come in (5.5) e denotando con F S ∗ n<br />
la sua funzione <strong>di</strong><br />
ripartizione,<br />
P(| ¯X<br />
( √ n c ) ( √ √ n c n c )<br />
n − µ| ≤ c) = P |Sn| ∗ ≤ = P −<br />
σ<br />
σ<br />
≤ S∗ n ≤<br />
σ<br />
( √ n c) ( √ (5.7)<br />
n c )<br />
= F S ∗ n<br />
− F S ∗<br />
σ<br />
n<br />
− .<br />
σ<br />
Per via <strong>del</strong>la (5.5),<br />
F S ∗ n<br />
(t) → F Y (t) per n → ∞, ∀t ∈ R. (5.8)<br />
√ √<br />
Poiché n c<br />
n c<br />
σ<br />
) → F Y (+∞). Analogamente<br />
F S ∗ n<br />
(−<br />
Quin<strong>di</strong><br />
σ<br />
→ +∞ per n → ∞, è allora facile rendersi conto che F S ∗ n<br />
(<br />
) → F Y (−∞). La (5.7) quin<strong>di</strong> implica<br />
√ n c<br />
σ<br />
(5.6)<br />
P(| ¯X n − µ| ≤ c) → F Y (+∞) − F Y (−∞) = 1. (5.9)<br />
P(| ¯X n − µ| ≥ c) = 1 − P(| ¯X n − µ| ≤ c) → 0 ∀c > 0, per n → ∞, (5.10)<br />
ovvero ¯X n → µ in probabilità, come affermato dal TGN, cf. (3.21).<br />
(ii) Il TLC fornisce anche un’informazione più precisa <strong>del</strong> TGN circa la velocità con cui ¯Xn → µ.<br />
Si consideri la definizione <strong>di</strong> S ∗ n (ovvero l’uguaglianza <strong>del</strong>la (5.5)): per n → ∞, in base al TGN<br />
34 Queste virgolette in<strong>di</strong>cano <strong>del</strong>le espressioni che andrebbero precisate.<br />
35 A prima vista questo può apparire un po’ sorprendente, poiché il TLC fornisce una convergenza in legge, il TGN<br />
una convergenza in probabilità; e in (5.4) abbiamo visto che la convergenza in legge non implica quella in probabilità.<br />
22