Click here to load reader
Upload
mi
View
45
Download
1
Embed Size (px)
DESCRIPTION
Dimostrazioni relative a media e deviazione standard
Citation preview
Appunti della lezione Taylor – capitolo 5.5
Dati N valori misurati x1, . . . , xN , che si suppongono distribuiti secondo unagaussiana, la migliore stima dei parametri X e σ di tale gaussiana sono queivalori che rendono massima la probabilita di aver ottenuto il set di misurex1, . . . , xN , ovvero la probabilita
PX,σ(x1, x2, . . . , xN ) = PX,σ(x1) · PX,σ(x2) · . . . · PX,σ(xn) (1)
∝ 1
σN
(−
N∑i=1
(xi −X)2
2σ2
)(2)
(ovviamente con
PX,σ(x) =1
σ√
2πexp
(−(x−X)2
2σ2
)probabilita gaussiana).
Utilizzando il principio di massima verosimiglianza, si cercano i valoridi X e σ che rendono massima la probabilita (2); per fare cio, la si riscrivecome funzione di X e σ
F(X,σ) =1
σN
(−
N∑i=1
(xi −X)2
2σ2
)= σ−N
(−
N∑i=1
(xi −X)2
2σ2
)Quindi, per trovarne i massimi, se ne calcolano le derivate parziali, ovvero∂ F∂X e ∂ F
∂σ , e si impone la condizione che siano uguali a zero.
Il valor medio x =(∑N
i=1 xi
)/N come miglior valore di X
Calcolo la derivata parziale rispetto a X:
∂ F
∂X= σ−N exp
(−
N∑i=1
(xi −X)2
2σ2
)· ∂∂X
(−∑i=1
N(xi −X)2
2σ2
)
= σ−N exp
(−
N∑i=1
(xi −X)2
2σ2
)·
(−2∑i=1
Nxi −X
2σ2
)Ponendola a zero si ottiene
N∑i=1
(xi −X) = 0 →N∑i=1
xi = NX → Xbest =1
N
N∑i=1
xi = x
Il miglior valore di X e quindi, secondo il principio di massima verosi-miglianza, la media
x =
N∑i=1
xiN
(3)
1
La deviazione standard σx =
√(∑Ni=1(xi − x)
)/(N − 1) come
miglior valore di σ
Calcolo la derivata parziale rispetto a σ:
∂ F
∂σ= −Nσ−N−1 exp
(−
N∑i=1
(xi −X)2
2σ2
)+ σ−N exp
(−
N∑i=1
(xi −X)2
2σ2
)
· ∂∂σ
(−
N∑i=1
(xi −X)2
2σ2
)
= σ−N exp
(−
N∑i=1
(xi −X)2
2σ2
)(−Nσ−1 − ∂
∂σ
(σ−2
2
) N∑i=1
(xi −X)2
)
= σ−N exp
(−
N∑i=1
(xi −X)2
2σ2
)(−Nσ−1 −
(−2
σ−3
2
) N∑i=1
(xi −X)2
)
= σ−N exp
(−
N∑i=1
(xi −X)2
2σ2
)(−Nσ−1 + σ−3
N∑i=1
(xi −X)2
)Ponendola uguale a zero si ottiene
−Nσ−1 + σ−3N∑i=1
(xi −X)2 = 0 → Nσ−1 = σ−3N∑i=1
(xi −X)2
Nσ2 =N∑i=1
(xi −X)2
da cui
σ2best =1
N
N∑i=1
(xi −X)2 → σbest =
√√√√ 1
N
N∑i=1
(xi −X)2 (4)
Si dimostra che, se al parametro X si sostituisce il suo miglior valoreXbest = x, si ha
σbest =
√√√√ 1
N
N∑i=1
(xi −X)2 =
√√√√ 1
N − 1
N∑i=1
(xi − x)2 = σx (5)
Infatti:
σ2best =1
N
N∑i=1
(xi −X)2 =1
N
N∑i=1
((xi − x) + (x−X))2
=1
N
(N∑i=1
(xi − x)2 +N(x−X)2 + 2
N∑i=1
(xi − x)(x−X)
)
2
Dal momento che∑N
i=1(xi − x) = 0 per la definizione stessa di media,
l’ultimo termine sparisce; inoltre, poiche x = (∑N
i=1 xi)/N (3),
σ2best =1
N
N∑i=1
(xi − x)2 +1
N2
(N∑i=1
xi −NX
)2
=1
N
N∑i=1
(xi − x)2 +1
N2
(N∑i=1
xi −N∑i=1
X
)2
=1
N
N∑i=1
(xi − x)2 +1
N2
(N∑i=1
(xi −X)
)2
L’ultimo termine si puo riscrivere, trasformando il quadrato in un pro-dotto: (
N∑i=1
(xi −X)
)2
=
(N∑i=1
(xi −X)
)·
N∑j=1
(xj −X)
Si possono inoltre raggruppare i termini con i = j e i 6= j, ottenendo
cosı:
σ2best =1
N
N∑i=1
(xi−x)2+1
N2
N∑i=1
(xi−X)2+1
N2
N∑i=1
(xi −X)N∑j=1j 6=i
(xj −X)
Gli addendi dell’ultimo termine (termine non diagonale), se le misu-
re sono casuali, sono positivi e negativi in numero approssimativamenteuguale, quindi complessivamente esso sara vicino a zero, mentre il termi-ne 1
N2
∑Ni=1(xi −X)2 ha segno positivo. Per N grandi si puo trascurare il
termine non diagonale rispetto a quello diagonale, e si ottiene cosı:
σ2best =1
N
N∑i=1
(xi − x)2 +1
N2
N∑i=1
(xi −X)2
Ricordando (4) e riordinando l’equazione otteniamo:
1
N
N∑i=1
(xi − x)2 =1
N
(N∑i=1
(xi −X)2 − 1
N
N∑i=1
(xi −X)2
)N e sicuramente diverso da zero, per cui possiamo rimuovere senza
problemi il coefficiente 1N :
N∑i=1
(xi − x)2 =N∑i=1
(xi −X)2 − 1
N
N∑i=1
(xi −X)2 =
(1− 1
N
) N∑i=1
(xi −X)2
=N − 1
N
N∑i=1
(xi −X)2
3
ossia
1
N
N∑i=1
(xi −X)2 =1
N − 1
N∑i=1
(xi − x)2
da cui, ricordando (4), si ricava la tesi (5):
σbest = σx =
√√√√ 1
N − 1
N∑i=1
(xi − x)2
Ovvero, il miglior valore del parametro σ della gaussiana delle misure ela deviazione standard σx.
4