Formula computazionale per la varianza: differenze tra le versioni

Versione delle 11:56, 18 dic 2017

Versione attuale delle 15:44, 21 gen 2022

(2 versioni intermedie di 2 utenti non mostrate)

Riga 1:

In [[teoria della probabilità]] e [[statistica]], ci sono parecchie '''formule computazionali per la varianza''' che permettono di ottenere la [[varianza]] di una [[variabile casuale]]. La loro utilità dipende da ciò che è già noto sulla variabile casuale; per esempio, una variabile casuale può essere definita in termini della sua [[funzione di densità di probabilità]] o per costruzione da altre variabili casuali. In questo contesto, intendiamo ottenere espressioni algebriche per la varianza teorica di una variabile casuale, differentemente dalle questioni di stimare la varianza di una [[popolazione statistica|popolazione]] da dati campione per i quali ci sono speciali considerazioni per l'implementazione di [[algoritmi per il calcolo della varianza|algoritmi di calcolo]].PIERMARIOOOOOO LAVA I PIATTI

== In termini di momenti di origine zero ==

Se i [[momento (probabilità)|momenti di origine zero]] <math>E(''X'')</math> e <math>E(''X''<sup>^2)</supmath>) di una [[variabile casuale]] ''<math>X''</math> sono noti (dove <math>E(''X'')</math> è il [[valore atteso]] di ''<math>X''</math>), allora <math>\operatorname{Var}(''X'')</math> è data da

:<math>\operatorname{Var}(X) = \operatorname{E}(X^2) - [\operatorname{E}(X)]^2 .</math>

Il risultato è chiamato formula di [[Johann Samuel König|König]]–[[Christiaan Huygens|Huygens]] nella letteratura [[Lingua francese|francese]]<ref>In Francese:{{fr}} formule dedi Koenig–Huygens. Consultare, per esempio, {{Cita pubblicazione|titolo=Maths: prépas commerciales|nome=Jean-Jacques|cognome=Martiano|editore=Studyrama|anno=2006|isbn=978-2-84472-828-9|p=148}}</ref> e noto come teorema di traslazione di [[Jakob Steiner|Steiner]] in [[Germania]].<ref>In tedesco:{{de}} Verschiebungssatz von Steiner. Consultare, per esempio, {{Cita pubblicazione|titolo=Starthilfe Stochastik: Studium|nome1=Gerd|cognome1=Christoph|nome2=Horst|cognome2=Hackel|editore=Springer|anno=2013|isbn=978-3-322-84799-7|p=50|url=https://books.google.com/books?id=Hiw25tqvScsC&pg=PA50}}.</ref>

Esiste una formula corrispondente da utilizzare per la stima della varianza da dati campione, che può essere utile nei calcoli manuali. Si tratta di un'identità strettamente correlata che è strutturata per creare una stima [[Bias (statistica)|priva di bias]] della varianza della popolazione

Riga 15:

</math>

L'uso di queste formule può tuttavia essere sconveniente nella pratica quando si utilizza l'aritmetica in [[virgola mobile]] con precisione limitata: la sottrazione tra due valori di grandezza analoga può portare a una [[Cancellazione numerica|cancellazione catastrofica]],<ref>{{cita libro|autore=[[Donald E. Knuth]] (1998). ''|titolo=[[The Art of Computer Programming]]'', volumevol. 2: ''"Seminumerical Algorithms'', 3rd edn.,"|edizione=3|anno=1998|città=Boston|editore=Addison-Wesley|lingua=en}} p. 232. Boston: Addison-Wesley.</ref> e causare così una perdita di significato quando <math>\operatorname{E}(X)^2 \gg \operatorname{Var}(X)</math>.

Esistono altri [[algoritmi per il calcolo della varianza]] [[stabilità numerica|numericamente stabili]] per l'uso con l'aritmetica in virgola mobile.

Riga 54:

=== Generalizzazione per la covarianza ===

Questa formula può essere generalizzata per la [[covarianza (probabilità)|covarianza]], con due variabili casuali X<submath>iX_i</submath> e X<submath>jX_j</submath>:

:<math>\operatorname{Cov}(X_i, X_j) = \operatorname{E}(X_iX_j) -\operatorname{E}(X_i)\operatorname{E}(X_j)</math>

così come per la [[matrice delle covarianze]] ''<math>n''</math> per ''<math>n''</math> di un [[vettore casuale]] di lunghezza ''<math>n''</math>:

:<math> \operatorname{Var}(\mathbf{X}) = \operatorname{E}(\mathbf{X X^\top}) - \operatorname{E}(\mathbf{X})\operatorname{E}(\mathbf{X})^\top</math>

e per la [[matrice delle covarianze incrociate]] ''<math>n''</math> per ''<math>m''</math> ''tra'' due vettori casuali di lunghezze ''<math>n''</math> ed ''<math>m''</math>:

:<math>

Riga 68:

\operatorname{E}(\mathbf{X Y^\top}) - \operatorname{E}(\mathbf{X})\operatorname{E}(\mathbf{Y})^\top</math>

dove le aspettazioni sono prese elemento per elemento e <math>\mathbf{X}=\{X_1,X_2,\ldots,X_n\}</math> e <math>\mathbf{Y}=\{Y_1,Y_2,\ldots,Y_m\}</math> sono vettori casuali di lunghezze rispettive ''<math>n''</math> e ''<math>m''</math>.

Notare che questa formula soffre della stessa [[Cancellazione numerica|perdita di significato]] di cui soffre la formula per la varianza se usata per calcolare stime della covarianza.