Pagina:Teoria degli errori e fondamenti di statistica.djvu/154

138

Capitolo 8 - Esempi di distribuzioni teoriche

r è il coefficiente di correlazione lineare tra x ed y; $r=0$ è condizione necessaria e sufficiente perché le due variabili siano statisticamente indipendenti tra loro. Le due distribuzioni marginali $g(x)$ e $h(y)$ sono due funzioni normali, aventi speranza matematica e varianza $\mu _{x}$ e ${\sigma _{x}}^{2}$ la prima, e $\mu _{y}$ e ${\sigma _{y}}^{2}$ la seconda:

$g(x)=N(x;\mu _{x},\sigma _{x})$

e

$h(y)=N(y;\mu _{y},\sigma _{y})$.

Le densità di probabilità condizionate sono anch’esse sempre delle funzioni normali; come esempio, nella figura 8k si mostrano due di queste funzioni per la stessa distribuzione di figura 8i.

Nel caso più generale, la densità di probabilità di una distribuzione di Gauss N-dimensionale è del tipo

$f(x_{1},x_{2},\ldots ,x_{N})=Ke^{-{\frac {1}{2}}H(x_{1},x_{2},\ldots ,x_{N})}$,

(8.21)

ove H è una forma quadratica nelle variabili standardizzate

$t_{i}={\frac {x_{i}-E(x_{i})}{\sigma _{i}}}$

nella quale però i coefficienti dei termini quadratici sono tutti uguali; le $t_{i}$ non sono generalmente indipendenti tra loro, e quindi H contiene anche i termini rettangolari del tipo $t_{i}\cdot t_{j}$.

K, nella (8.21), è un fattore di normalizzazione che vale

$K={\sqrt {\frac {\Delta }{(2\pi )^{N}}}}$;

a sua volta, $\Delta$ è il determinante della matrice (simmetrica) dei coefficienti della forma quadratica H. La condizione, poi, che la f di equazione (8.21) debba essere integrabile implica che le ipersuperfici di equazione $H=\mathrm {cost.}$ siano tutte al finito, e siano quindi iperellissi nello spazio N-dimensionale dei parametri; le funzioni di distribuzione marginali e condizionate di qualsiasi sottoinsieme delle variabili sono ancora sempre normali.

Si può inoltre dimostrare che esiste sempre un cambiamento di variabili $x_{i}\to y_{k}$ che muta H nella cosiddetta forma canonica (senza termini rettangolari); in tal caso

$\Delta =\left[\prod _{k=1}^{N}{\text{Var}}(y_{k})\right]^{-1}$