Pagina:Teoria degli errori e fondamenti di statistica.djvu/67

5.4 - La varianza delle combinazioni lineari

51

È immediato poi estendere, per induzione completa, questa dimostrazione alla combinazione lineare di un numero qualsiasi di variabili casuali: se abbiamo

$F=ax+by+cz+\cdots$

allora

$E(F)=aE(x)+bE(y)+cE(z)+\cdots ~$.

(5.2)

Una importante conseguenza può subito essere ricavata applicando l’equazione (5.2) alla media aritmetica ${\bar {x}}$ di un campione di $N$ misure: essa infatti si può considerare come una particolare combinazione lineare delle misure stesse, con coefficienti tutti uguali tra loro e pari ad $1/N$.

Prendendo dalla popolazione un differente campione di $N$ misure, la loro media aritmetica ${\bar {x}}$ sarà anch’essa in generale diversa: quale sarà la speranza matematica di ${\bar {x}}$, ovverosia il valore medio delle varie ${\bar {x}}$ su un numero molto elevato di campioni di $N$ misure estratti a caso dalla popolazione — e, al limite, su tutti i campioni (aventi la stessa dimensione fissa $N$) che dalla popolazione è possibile ricavare?

$E\left({\bar {x}}\right)$	$=E\left({\frac {1}{N}}\sum _{i=1}^{N}x_{i}\right)$
	$={\frac {1}{N}}\sum _{i=1}^{N}E\left(x_{i}\right)$
	$={\frac {1}{N}}\cdot NE(x)$

ed infine

$E\left({\bar {x}}\right)=E(x)$

(5.3)

cioè:

Il valore medio della popolazione delle medie aritmetiche dei campioni di dimensione finita N estratti da una popolazione coincide con il valore medio della popolazione stessa.

5.4 La varianza delle combinazioni lineari

Dimostriamo ora un altro teorema generale che riguarda la varianza di una combinazione lineare di più variabili casuali, che supporremo però stati-