== Teorema centrale del limite di Lindeberg-Lévy ==
== Teorema di Lindeberg-Lévy ==
La più nota formulazione di un teorema centrale del limite è quella dovuta a [[Jarl Waldemar Lindeberg|Lindeberg]] e [[Paul Lévy|Lévy]]; si consideri una successione di [[variabile casuale|variabili casuali]] <math>\ \left\{x_{j}\right\}_{j=1}^{n}</math> indipendenti e identicamente distribuite, e in particolare tali che esistano, finiti, i loro [[momento (statistica)|momenti]] di ordine primo e secondo, e sia in particolare <math>\ \textrm{E}[x_{j}]=\mu<\infty</math> e <math>\ \textrm{var}(x_{j})=\sigma^{2}<\infty</math> per ogni <math>\ j</math>. Definita allora la nuova variabile casuale:
La più nota formulazione di un teorema centrale del limite è quella dovuta a [[Jarl Waldemar Lindeberg|Lindeberg]] e [[Paul Lévy|Lévy]]; si consideri una successione di [[variabile casuale|variabili casuali]] <math>\ \left\{x_{j}\right\}_{j=1}^{n}</math> indipendenti e identicamente distribuite, e in particolare tali che esistano, finiti, i loro [[momento (statistica)|momenti]] di ordine primo e secondo, e sia in particolare <math>\ \textrm{E}[x_{j}]=\mu<\infty</math> e <math>\ \textrm{var}(x_{j})=\sigma^{2}<\infty</math> per ogni <math>\ j</math>. Definita allora la nuova variabile casuale:
Riga 52:
Riga 52:
Nell'espressione sopra si riconosce la [[funzione caratteristica (teoria della probabilità)|funzione caratteristica]] di una [[variabile casuale normale]] standard, così che la [[funzione di densità]], e dunque la [[funzione di ripartizione]], della <math>\ S_{n}</math>, converge a quella di una normale standard al tendere di <math>\ n</math> a infinito, [[come volevasi dimostrare]].
Nell'espressione sopra si riconosce la [[funzione caratteristica (teoria della probabilità)|funzione caratteristica]] di una [[variabile casuale normale]] standard, così che la [[funzione di densità]], e dunque la [[funzione di ripartizione]], della <math>\ S_{n}</math>, converge a quella di una normale standard al tendere di <math>\ n</math> a infinito, [[come volevasi dimostrare]].
}}
}}
== Teorema di De Moivre-Laplace ==
== Teorema di De Moivre-Laplace ==
Un corollario importante e usato frequentemente del teorema Centrale del Limite è il seguente:
Un corollario importante e usato frequentemente del teorema Centrale del Limite è il seguente:
Versione delle 17:55, 9 gen 2014
I teoremi centrali del limite sono una famiglia di teoremi di convergenza debole nell'ambito della teoria della probabilità.
A tutti i teoremi è comune l'affermazione che
la somma (normalizzata) di un grande numero di variabili casuali è distribuita approssimativamente come una variabile casuale normale standard.
Ciò spiega l'importanza che quest'ultima variabile casuale assume
nell'ambito della statistica e della teoria della probabilità in particolare.
Jarl Waldemar Lindeberg dimostrò nel 1922 il teorema centrale del limite nell'articolo "Eine neue Herleitung des Exponentialgesetzes in der Wahrscheinlichkeitsrechnung", dimostrato successivamente e autonomamente da Alan Turing.
Infatti il teorema, semplicisticamente, afferma che se si ha una somma di variabili aleatorie indipendenti e identicamente distribuite (con densità uguali) con media μ e varianza σ2, allora indipendentemente dalla forma distributiva di partenza, al tendere della dimensione campionaria a infinito la somma tende a distribuirsi come una variabile casuale normale.[1]
In formule:
La più nota formulazione di un teorema centrale del limite è quella dovuta a Lindeberg e Lévy; si consideri una successione di variabili casuali indipendenti e identicamente distribuite, e in particolare tali che esistano, finiti, i loro momenti di ordine primo e secondo, e sia in particolare e per ogni . Definita allora la nuova variabile casuale:
dove l'ultima uguaglianza discende dalla indipendenza degli ; per semplicità di notazione sia ; si osservi che . Si consideri quindi lo sviluppo di Taylor, centrato in del valore atteso:
Un corollario importante e usato frequentemente del teorema Centrale del Limite è il seguente:
Se è una v.c. binomiale, che possiamo vedere come somma di v.c. bernoulliane. Allora per :
ovvero una normale con media e varianza .
Se standardizziamo:
Questo teorema è molto utile nel caso si vogliano valori approssimati del numero di successi nella ripetizione di un esperimento indipendente dagli esiti passati, visto che la variabile aleatoria binomiale risulta spesso difficile da calcolare con numeri elevati.
L'approssimazione è tanto migliore quanto più è alto il numero di esperimenti.
Dimostrazione
Il teorema di De Moivre-Laplace può essere dimostrato più facilmente del teorema Centrale del Limite, con una prova per la quale è necessaria la conoscenza degli sviluppi di Taylor e dell'Approssimazione di Stirling.
Per il fattoriale di un numero n sufficientemente grande vale la formula di Stirling, secondo cui:
o, equivalentemente:
La funzione di densità di si potrà scrivere allora come:
Sia ora
and
and
Consideriamo dapprima il primo termine tra parentesi quadre nell'ultima uguaglianza:
E quindi il secondo termine tra parentesi quadrate:
Per cui si ha che:
Consideriamo quindi il logarimo naturale che appare nell'ultima uguaglianza.
Utilizzando le espansioni di Taylor seguenti:-
si ha:
e
per cui
Possiamo ignorare i termini di grado maggiore del secondo, essendo proporzionale a che tende a 0 al crescere di .
Dunque, elevando al quadrato e dividendo per due x, si ha:
Quindi,
che è esattamente l'asserto che volevamo provare - il termine a destra è una distribuzione normale con media e varianza .