1 / 9

VARIABILI DOPPIE: UN ESEMPIO

VARIABILI DOPPIE: UN ESEMPIO. Con riferimento agli esiti del lancio di due dadi da gioco, si considerino le seguenti funzioni: Z 1 = punteggio realizzabile con il primo dado: z 1 = 1, 2, …, 6; Z 2 = punteggio realizzabile con il secondo dado: z 2 = 1, 2, …, 6;

taite
Télécharger la présentation

VARIABILI DOPPIE: UN ESEMPIO

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. VARIABILI DOPPIE: UN ESEMPIO • Con riferimento agli esiti del lancio di due dadi da gioco, si considerino le seguenti funzioni: • Z1 = punteggio realizzabile con il primo dado: z1 = 1, 2, …, 6; • Z2 = punteggio realizzabile con il secondo dado: z2 = 1, 2, …, 6; • Y = punteggio somma: y := z1 + z2; y = 2, 3, …, 12; • X = differenza tra i punteggi dei due dadi in valore assoluto: x :=|z1 - z2|; x = 0, 1, 2, ..., 5. • Nella tabella seguente sono riportate all’interno delle celle i valori di probabilità per ciascuna coppia di valori (x,y) possibili riguardanti le due variabili (o numeri) aleatorie X e Y riportati rispettivamente nella prima colonna e prima riga.

  2. PROBABILITA’ CONGIUNTA PROBABILITA’ MARGINALI • .

  3. VARIABILI DOPPIE: PROPRIETA’ Si considerino: • la v.a doppia (X,Y) con: • f.p. congiunta p(x,y), (x,y) S(X,Y) = SXSY; f.r. congiunta F(x,y), (x,y) 2; • la v.a. marginale X con f.p. p1(x) e f.r. F1(x); • la v.a. marginale Y con f.p. p2(y) e f.r. F2(y); • le v.a. condizionate X|y, ySY, con f.p. p1|2(x|y) e f.r. F1|2(x|y); • le v.a. condizionate Y|x, xSX, con f.p. p2|1(y|x) e f.r. F2|1(y|x). Per la v.a. X con f.r. marginale F1(x), valgono i seguenti risultati: • (1) EF1(X) = EF2{EF1|2(X|Y)}; • (2) VarF1(X) = EF2{VarF1|2(X|Y)} + VarF2{EF1|2(X|Y)}. Risultati analoghi si ottengono per la v.a. Y con f.r. marginale F2(y).

  4. MISURE DI DIPENDENZA PER VARIABILI DOPPIE CONTINUE: LA COVARIANZA Si definisce covarianza tra le v.a. X e Y, denotata con Cov(X,Y), il seguente valore medio: • Cov(X,Y) := E{[x-E(X)][y-E(Y)]}. Valgono: • (1) Cov(X,Y) = Cov(Y,X); • (2) -  Cov(X,Y)  +; • (3) Cov(X,Y) = E(XY) - E(X)E(Y); • (4) XY  E(XY) = E(X)E(Y); • (5) XY  Cov(X,Y) = 0; • (6) Cov(X,Y) = 0 XY.

  5. MISURE DI DIPENDENZA PER VARIABILI DOPPIE CONTINUE: IL COEFFICIENTE DI CORRELAZIONE Si definisce coefficiente di correlazione tra le v.a. X e Y, denotata con Corr(X,Y) o più brevemente con (X,Y), il seguente rapporto: • Corr(X,Y) := Cov(X,Y)/[var(X)var(Y)]1/2. Valgono: • (1) Corr(X,Y) = Corr(Y,X); • (2) Corr{(a+bX),(c+dY)} = Corr(X,Y); • (3) XY  (X,Y) = 0. • (4) (X,Y) = 0  XY. Disuguaglianza di Schwarz: • (5) [E(XY)]2 E(X2)E(Y2); segue: • (6) -1  Corr(X,Y)  +1. Si pone: • 2(X,Y) =[(X,Y)]2. Valgono inoltre: con b>0, Corr{(a+bX),X} = 1; con b<0, Corr{(a+bX),X} = -1.

  6. MISURE DI DIPENDENZA PER VARIABILI DOPPIE CONTINUE: IL RAPPORTO DI CORRELAZIONE Tenendo presente la scomposizione della varianza della v.a. X: • Var(X) = EF2{VarF1|2(X|Y)} + VarF2{EF1|2(X|Y)}; Si definisce rapporto di correlazione tra le v.a. X e Y, denotato con 2(X|Y), il seguente rapporto: • 2(X|Y) := VarF2{EF1|2(X|Y)} / Var(X). Analogamente si ha: • 2(Y|X) := VarF1{EF2|1(Y|X)} / Var(Y). Risultando in generale: 2(X|Y)  2(Y|X) Risultano: • (1) 0  2(Y|X)  1; • (2) 2(Y|X) = 0  EF2|1(Y|x) = EF2(Y), xSX; • (3) 2(Y|X) = 1  VarF2|1(Y|x) = 0, xSX; • (4) 2(X,Y)  min{2(Y|X), 2(X|Y) }; • (5) XY  2(Y|X) = 2(X|Y) = 0. • (6) [2(Y|X) = 2(X|Y) = 0] XY.

  7. RISULTATI DELL’ESEMPIO CONSIDERATO • Per le v.a. (X,Y) considerate nell’esempio introduttivo si ottengono i seguenti risultati: • v.a. Y|x, x = 0,1,…,5. • x 0 1 2 3 4 5 • E(Y|x) 7 7 7 7 7 7 • Var(Y|x) 70/6 8 5 8/3 1 0 • v.a. Y: E(Y) = 2(3.5) = 7; Var(Y) = 2(35/12) = 35/6. • Var{E(Y|X)} = 0; 2(Y|X) = 0. • v.a. X|y, y = 2,3,…,12. • y 2 3 4 5 6 7 8 9 10 11 12 • E(X|y) 0 1 4/3 2 2.4 3 2.4 2 4/3 1 0 • Var(X|y) 0 0 8/9 1 2.24 8/3 2.24 1 8/9 0 0 • v.a. X: E(X) = 35/18; Var(X) = 665/324; • E{Var(X|Y)} = 38.8/27. • 2(X|Y) = 1 - [(38.8/27)/(665/324)] = 0.29985. • (X,Y) = 0.

  8. DISTANZA TRA FUNZIONI DI RIPARTIZIONE • Date le due funzioni di ripartizione F(x,y) e G(x,y)=F1(x)F2(y), si può considerare la seguente distanza di ordine p (p  0): • dp(F,G): = [ |F(x,y)-G(x,y)|pdxdy]1/p. • Si osservi che per le f.r. F, G e H, risultano: • (1) F = G  dp(F,G) = 0; • (2) dp(F,G) = dp(G,F); • (3) dp(F,G)  dp(F,H) + dp(H,G),  f.r. H(x,y). • Per v.a. positive, risulta: • Cov(X,Y) = [F(x,y) - F1(x)F2(y)]dxdy.

  9. ALCUNI RISULTATI OPERATIVI DI ALGEBRA DELLE V.A. • Valgono i seguenti risultati: • E(aX ± bY) = aE(X)  bE(Y); • Var(aX ± bY) = a2Var(X) + b2Var(Y) ± 2abCov(X,Y). • Esempio. Media, varianza e correlazione nella scelta di un portafoglio: il criterio media-varianza. • Dati due portafogli Alfa e Beta con rendimenti aleatori riferiti a un determinato periodo rispettivamente X e Y, diremo che il rendimento aleatorio X e preferibile al rendimento aleatorio Y, scriveremo X  Y, se: • E(X)  E(Y); • Var(X)  Var(Y).

More Related