Pagina:Teoria degli errori e fondamenti di statistica.djvu/101

7.1 - Variabili casuali bidimensionali

85

dotato della proprietà che

${\frac {\partial (x,y)}{\partial (u,v)}}=\left[{\frac {\partial (u,v)}{\partial (x,y)}}\right]^{-1}$

In tal caso, dalla richiesta di invarianza della probabilità sotto il cambiamento di variabili,

$f(x,y)\,\mathrm {d} x\,\mathrm {d} y=g(u,v)\,\mathrm {d} u\,\mathrm {d} v$

si ottiene la funzione densità di probabilità congiunta per u e v, che è legata alla $f(x,y)$ dalla

$g(u,v)=f\left[x(u,v),y(u,v)\right]\cdot \left|{\frac {\partial (x,y)}{\partial (u,v)}}\right|$

(7.3)

7.1.3 Applicazione: il rapporto di due variabili casuali indipendenti

Come esempio, consideriamo due variabili casuali x ed y indipendenti tra loro e di cui si conoscano le funzioni di frequenza, rispettivamente $f(x)$ e $g(y)$; e si sappia inoltre che la y non possa essere nulla. Fatte queste ipotesi, useremo la formula precedente per calcolare la funzione di frequenza $\varphi (u)$ della variabile casuale u rapporto tra x ed y. Definite

$u={\frac {x}{y}}$

e

$v=y$,

la corrispondenza tra le coppie di variabili è biunivoca; e le funzioni inverse sono la

$x=uv$

e la

$y=v$.

Le funzioni di frequenza congiunte delle due coppie di variabili sono, ricordando la (7.2) e la (7.3)

$f(x,y)=f(x)g(y)$

e

$\varphi (u,v)=f(x)g(y)\left|{\frac {\partial (x,y)}{\partial (u,v)}}\right|$

rispettivamente; e, calcolando le derivate parziali,

${\frac {\partial (x,y)}{\partial (u,v)}}=\det \left\|{\begin{matrix}v&u\\0&1\end{matrix}}\right\|$