Next: pzd100Uso della funzione generatrice
Up: Somma di due variabili
Previous: Somma di due variabili
  Indice
Un caso molto interessante è quello della somma di due variabili
indipendenti
distribuite normalmente. Applicando la formula di convoluzione
si ha
![$\displaystyle f(z) = \int_{-\infty}^{+\infty}
\frac{1}{2\,\pi\,\sigma_X\sigma_...
...\frac{(x-\mu_X)^2}{2\,\sigma_X^2}
-\frac{(z-x-\mu_Y)^2}{2\,\sigma_Y^2}\right]\,$](img2736.png)
d
Effettuando l'integrale10.6 si ottiene
![$\displaystyle f(z) = \frac{1}{\sqrt{2\,\pi}\sqrt{\sigma_X^2+\sigma_Y^2}} \exp\left[-\frac{\left[z-(\mu_X+\mu_Y)\right]^2} {2(\sigma_X^2+\sigma_Y^2)}\right]\,.$](img2739.png) |
(10.20) |
La somma è ancora distribuita normalmente con
Utilizzando il risultato precedente
sulla trasformazione lineare
di una variabile (vedi
(10.15)), possiamo affermare che
la combinazione lineare di variabili casuali indipendenti distribuite
normalmente è ancora distribuita normalmente.
In altre parole, la gaussiana gode di una proprità riproduttiva
più generale di quella di cui godono binomiale e poissoniana.
Giulio D'Agostini
2001-04-02