martedì, novembre 25, 2008

MCCN V

Sono un po' in ritardo con gli aggiornamenti dalla lezione. La settimana scorsa abbiamo spiegato due cose fondamentali: il teorema del limite centrale e il processo di Wiener. Parliamo un po' del primo.

Il teorema del limite centrale è quella legge che afferma che la somma di variabili casuali i.i.d. converge ad una distribuzione normale. La dimostrazione si può trovare dappertutto: non è difficile, e sono richiesti alcuni ingredienti.

Uno lo voglio spiegare oggi.

Ingrediente 1: la funzione caratteristica e i momenti di una variabile casuale

La funzione caratteristica di una variabile casuale X è definita tramite

\phi_X(t) := {\mathbb E}(e^{itX})

Se X ha una densità, allora la funzione caratteristica altro non è che la trasformata di Fourier della densità. Sfruttando il fatto che si possono scambiare integrale e derivata facciamo questo piccolo calcolo:

\left.\frac{d}{dt}\int e^{itx} f(x)dx \right|_{t=0} = \int ix f(x) dx = i {\mathbb E}(X)

Si vede che il valore atteso di X è la derivata in 0 della funzione caratteristica moltiplicato per -i. Integrando analogamente e inducendo, si ottiene la famosa formula

i^{-n}\left.\frac{d^n}{dt^n}\int e^{itx} f(x)dx \right|_{t=0} = {\mathbb E}(X^n)


Per completezza elenco gli ingredienti necessari a comprendere la dimostrazione classica del teorema del limite centrale.

Ingrediente 2: la formula di Eulero per la definizione di e. Cioè la prima caratterizzazione qui.

Ingrediente 3: lo sviluppo in serie di Taylor di una funzione.

Ingrediente 4: il fatto che la distribuzione normale è invariante sotto l'azione della trasformata di Fourier. Questo è un mistero che ricorre in tutte le parti della matematica.

Nessun commento: