Il Teorema di Slutsky è uno strumento indispensabile nella statistica asintotica. Permette di determinare il comportamento limite di somme, prodotti e quozienti di variabili aleatorie che convergono in modi diversi.
Enunciato
Siano X_n e Y_n due successioni di variabili aleatorie. Se X_n converge in distribuzione a X (X_n \xrightarrow{d} X) e Y_n converge in probabilità a una costante c (Y_n \xrightarrow{P} c), allora:
- X_n + Y_n \xrightarrow{d} X + c
- X_n \cdot Y_n \xrightarrow{d} cX
- X_n / Y_n \xrightarrow{d} X / c (se c \neq 0)
Perché è importante?
In genere, la convergenza in distribuzione non “si conserva” attraverso le operazioni algebriche. Il teorema di Slutsky ci dice che se uno dei due addendi (o fattori) converge a una costante deterministica in probabilità, allora possiamo operare quasi come se fosse un limite tradizionale.
Significato Ingegneristico
- Normalizzazione degli Stimatori: Molti stimatori ingegneristici sono composti da un termine che converge a una normale (per il TLC) diviso per una stima della deviazione standard che converge al valore vero (per la legge dei grandi numeri). Il teorema di Slutsky garantisce che l’intero rapporto converga ancora a una distribuzione normale.
- Analisi dell’Errore Asintotico: Permette di semplificare espressioni complicate di propagazione dell’errore in sistemi complessi, eliminando i termini che “svaniscono” in probabilità all’aumentare delle misure.
Vedi anche: Convergenza in Distribuzione, Convergenza in Probabilità, Teorema del Limite Centrale.