Speranza di una variabile aleatoria positiva
Finora avevo dimostrato la seguente formula
$E[X]=\int_0^{\infty} P\{X\geq y\}\ dy$
solo per variabili aleatorie positive e con legge definita da una densità e scopro ora che vale anche per variabili positive qualsiasi.
Per dimostrarla sono passato attraverso la misura del sottoinsieme $A$ di $\mathbb{R}^2$ degli $(x,y)$ tali che $x,y\geq 0$ e $y\leq x$ (il triangolo infinito sotto la bisettrice del primo quadrante, insomma):
$E[X]=\int X(\omega)dP(\omega)=\int_0^{\infty} xdP_X(x)=\int_0^{\infty} \lambda (0,x)dP_X(x)=P_X\otimes\lambda (A)=$
$\int_0^{\infty} P_X (y,+\infty)dy=\int_0^{\infty} P\{X\geq y\}\ dy$
dove $\lambda$ è la misura di Lebesgue, $P_X$ è la legge di $X$ e $\otimes$ è il prodotto di misure. Spero che vada bene...
Ma quello che mi domandavo è se si possono risparmiare un paio di uguaglianze evitando di passare attraverso l'integrazione rispetto alla probabilità immagine $P_X$, cioè se posso fare direttamente
$E[X]=\int X(\omega)dP(\omega)=\int_0^{\infty} \lambda [0,X(\omega)]dP(\omega)=P\otimes\lambda (B)=...$
Il teorema di Fubini-Tonelli dovrebbe essere applicabile, no? E in tal caso, $B$ chi è?
$E[X]=\int_0^{\infty} P\{X\geq y\}\ dy$
solo per variabili aleatorie positive e con legge definita da una densità e scopro ora che vale anche per variabili positive qualsiasi.
Per dimostrarla sono passato attraverso la misura del sottoinsieme $A$ di $\mathbb{R}^2$ degli $(x,y)$ tali che $x,y\geq 0$ e $y\leq x$ (il triangolo infinito sotto la bisettrice del primo quadrante, insomma):
$E[X]=\int X(\omega)dP(\omega)=\int_0^{\infty} xdP_X(x)=\int_0^{\infty} \lambda (0,x)dP_X(x)=P_X\otimes\lambda (A)=$
$\int_0^{\infty} P_X (y,+\infty)dy=\int_0^{\infty} P\{X\geq y\}\ dy$
dove $\lambda$ è la misura di Lebesgue, $P_X$ è la legge di $X$ e $\otimes$ è il prodotto di misure. Spero che vada bene...
Ma quello che mi domandavo è se si possono risparmiare un paio di uguaglianze evitando di passare attraverso l'integrazione rispetto alla probabilità immagine $P_X$, cioè se posso fare direttamente
$E[X]=\int X(\omega)dP(\omega)=\int_0^{\infty} \lambda [0,X(\omega)]dP(\omega)=P\otimes\lambda (B)=...$
Il teorema di Fubini-Tonelli dovrebbe essere applicabile, no? E in tal caso, $B$ chi è?
Risposte
"retrocomputer":
$\int X(\omega)dP(\omega)=\int_0^{\infty} \lambda [0,X(\omega)]dP(\omega)$
Qua io direi che c'e' qualcosa che non va: nell'integrale di destra stai integrando rispetto alla misura $P$, ma su $(0,infty)$ e non su $Omega$.
Io procederei cosi':
$int_{Omega} X(omega) dP(omega) = int_{Omega} ( int_0^{X(omega)} d lambda(x) ) \ dP(omega) = int_{(0,+infty) "x" Omega} 1_{\{x
Nel secondo passaggio ho usato la (ormai amica...) funzione indicatrice per ottenere
$X(omega) = int_0^{X(omega)} d lambda(x) = int_{(0,+infty)} 1_{ \{x
Riusando Tonelli, ovviamente nell'altra direzione, ottieni:
$int_{(0,+infty)} int_{Omega} 1_{ \{x
"DajeForte":
Qua io direi che c'e' qualcosa che non va: nell'integrale di destra stai integrando rispetto alla misura $P$, ma su $(0,infty)$ e non su $Omega$.
Sì, l'integrale è su $\Omega$... Ho fatto copia&incolla e non ho corretto tutto

I tuoi passaggi mi tornano, grazie

Ciao! Sono il tuo Tutor AI, il compagno ideale per uno studio interattivo. Utilizzo il metodo maieutico per affinare il tuo ragionamento e la comprensione. Insieme possiamo:
- Risolvere un problema di matematica
- Riassumere un testo
- Tradurre una frase
- E molto altro ancora...
Il Tutor AI di Skuola.net usa un modello AI di Chat GPT.
Per termini, condizioni e privacy, visita la relativa pagina.
Per termini, condizioni e privacy, visita la relativa pagina.