Vai alla Home Page About me Courseware Federica Living Library Federica Federica Podstudio Virtual Campus 3D La Corte in Rete
 
Il Corso Le lezioni del Corso La Cattedra
 
Materiali di approfondimento Risorse Web Il Podcast di questa lezione

Carmela Cappelli » 18.Modelli per vc continue: la vc Normale


Introduzione

La vc Normale è di gran lunga il modello per vc continue più importante; essa infatti riveste un ruolo centrale nel calcolo delle probabilità e nella statistica e tale importanza è riconducibile a due motivi fondamentali:

  • La vc normale approssima la distribuzione empirica di molti fenomeni reali;
  • Molti fenomeni reali che non hanno distribuzione normale sono però ad essa riconducibili sotto opportune condizioni.

Cenni storici

La introduzione della vc Normale è legata alla ricerca della distribuzione degli errori accidentali. La prima derivazione analitica risale al 1733 ad opera di de Moivre come approssimazione della somma di vc Binomiali. Intorno al 1770-1771 Bernoulli fornisce la prima tavola di calcolo della funzione di densità e successivamente Laplace la utilizza in una serie di lavori. Infine, nel 1809 Gauss nel suo trattato ” Theoria Motus Corporum Celestium” la presenta e la utilizza dichiarando di avere derivato i relativi risultati sin dal 1795 da qui il nome sovente utilizzato di vc Gaussiana.

Funzione di densità della vc Normale

Una vc continua X si dice Normale di parametri \alpha e \beta^2 se possiede la seguente funzione di densità: f(x)=\int_{-\infty}^{+ \infty} \frac{1}{\sqrt{2 \pi \beta^2}}\exp[- \frac{1}{2 \beta^2} (x - \alpha) ^2] Dove - \infty < x< + \infty , - \infty < \alpha< + \infty e \beta \geq 0 e si denota con la X \sim N(\alpha , \beta^2 )

Funzione di densità della vc Normale (segue)

La funzione di densità della vc Normale è ben definita poiché essa è positiva su tutto l’asse \mathbb{R} ; in quanto alla integrazione sul supporto che deve valere 1, si utilizza la seguente trasformazione: \frac{(x - \alpha)^2}{2 \beta^2}= t ; dx= t^{- \frac{1}{2}}\frac{\beta}{\sqrt{2}} Da cui, sostituendo nella espressione della funzione di densità e semplificando, si ottiene: f(t)= \frac{1}{\sqrt{\pi}}\int_0^{+ \infty} \exp{(-t)} t^{-\frac{1}{2}} dt =\frac{ \Gamma(1/2)}{\sqrt{\pi}}=1 Essendo \Gamma(1/2)=\sqrt{\pi} . Si noti che ai fini della dimostrazione si è implicitamente sfruttata la proprietà della simmetria della densità normale.

Proprietà della densità Normale

La funzione di densità della vc Normale gode delle seguenti proprietà:

  • Il massimo della funzione si trova in corrispondenza di x=\alpha
  • È simmetrica rispetto all’ordinata condotta per \alpha (pertanto f(x- \alpha)= f(x+\alpha);
  • Ha due flessi in corrispondenza di x = \alpha \pm \beta ;
  • L’asse x è asintoto orizzontale.

Il parametro α

Dallo studio analitico della funzione di densità emerge che il parametro \alpha corrisponde al valore centrale, alla mediana, alla media, alla moda ed al valore atteso della vc Normale , ovvero: \alpha= \mu = Mo= Me La modifica del valore del parametro \alpha a parità di \beta implica una traslazione della funzione di densità lungo l’asse x.

Il parametro β2

Il parametro \beta^2 esprime la dispersione intorno al parametro di posizione \alpha Gli effetti della modifica di \beta^2 a parità di \alpha vanno distinti a seconda che esso aumenti oppure si riduca:

  • Al crescere di \beta^2 i due punti di flesso si allontanano ed aumenta la probabilità associata a valori più lontani dal valore centrale e la curva, graficamente, tende a schiacciarsi diventando platicurtica;
  • Al ridursi di \beta^2 i due punti di flesso si avvicinano ed aumenta la probabilità che la vc assuma valori attorno al valore centrale; graficamente, la curva tende ad appuntirsi diventando leptocurtica.

Ad un estremo, per \beta \rightarrow 0 la vc Normale diviene una vc degenere che assume il solo valore \alpha con probabilità pari ad 1.

Alcune densità Normali

X \sim N(\alpha,  \beta^2 )
E(X) =\mu =\alpha
Var(X) =\sigma^2 =\beta^2
↓
X \sim N(\mu,  \sigma^2 )

In figura: Andamento della funzione di densità Normale al variare dei parametri μ e σ2


La fgm della vc Normale

La funzione generatrice dei momenti della vc Normale è definita come: G(t)= E( e^{tx})= E( e^{tx- t\alpha + t\alpha})=E( e^ {t \alpha}e^{t(x -\alpha)})= e^{t \alpha}\int_{-\infty}^ {+\infty}e^{t(x- \alpha)}\frac{1}{\sqrt{2 \pi \beta^2}}e^ {- \frac{1}{2 \beta^2}(x - \alpha)^2} dx = = e^{t \alpha}\int_{-\infty}^ {+\infty} \frac{1}{\sqrt{2 \pi \beta^2}}  e^{- \frac{1}{2 \beta2}[(x- \alpha)^2- 2\beta^2 t(x -\alpha)]}= e^{t \alpha}\int_{-\infty}^ {+\infty} \frac{1}{\sqrt{2\pi \beta^2}}  e^{- \frac{1}{2 \beta2}\{ [(x- \alpha)- \beta^2 t]^2 -\beta^4t^2 \}}dx

Dove, l’ultimo passaggio si è ottenuto, aggiungendo e sottraendo nell’argomento dell’esponenziale la quanità \beta^4 t^2.

Ridistribuendo i termini e semplificando si ottiene: G(t)= e^{t \alpha}\int_{-\infty}^ {+\infty} \frac{1}{\sqrt{2 \pi \beta^2}}  e^{- \frac{1}{2 \beta2} [(x- (\alpha+ \beta^2 t)]^2} e^{\frac{1}{2}\beta^2t^2}dx= e^{t \alpha +\frac{1}{2}\beta^2t^2}

Poiché     \int_{-\infty}^ {+\infty} \frac{1}{\sqrt{2 \pi \beta^2}}  e^{- \frac{1}{2 \beta2} [(x- (\alpha+ \beta^2 t)]^2} dx= 1 è l’integrale della densità di una vc    X \sim N( \alpha + \beta^2t, \beta^2 )

Momenti della vc Normale

La funzione generatrice dei momenti m può essere utilizzata per derivare i momenti caratteristici della vc Normale. G(t)= e^{t \alpha +\frac{1}{2}\beta^2t^2}

  • E(X)= \frac{d}{dt} G(t) \mid_{t=0}=\alpha
  • E(X^2)= \frac{d^2}{dt^2} G(t) = \alpha^ 2+ \beta^2
  • Var(X)=E(X^2)- [E(X)]^2= \beta^2

Proprietà riproduttiva della vc Normale

La vc Normalegode della proprietà riproduttiva, pertanto date n vc Normali indipendenti del tipo X_i \sim N(\mu_i, \sigma_i^2) la vc somma: Y = a_1X_1+ a_2X_2+\dots + a_n X_n = \sum_{i=1}^{n} a_i X_i è una vc    N(\mu, \sigma^2) dove   \mu= a_i \sum_i \mu_i e    \sigma^2= \sum_i a_i^2 \sigma_i^2 . Siano date ad esempio le vc normali indipendenti: X_1 \sim N(2,9) e X_2 \sim N( -1,10) Si ha che la vc Y= 2X_1+ X_2 è distribuita come una vc Normale di parametri \mu= 2*2-1=3 e \sigma^2= 2^2 *9 +10=46

  • Contenuti protetti da Creative Commons
  • Feed RSS
  • Condividi su FriendFeed
  • Condividi su Facebook
  • Segnala su Twitter
  • Condividi su LinkedIn
Progetto "Campus Virtuale" dell'Università degli Studi di Napoli Federico II, realizzato con il cofinanziamento dell'Unione europea. Asse V - Società dell'informazione - Obiettivo Operativo 5.1 e-Government ed e-Inclusion

Fatal error: Call to undefined function federicaDebug() in /usr/local/apache/htdocs/html/footer.php on line 93