Consideriamo due variabili casuali normali indipendenti X e Y con media μX, μY e varianza σ2X, σ2Y. Vogliamo dimostrare che X+Y è di nuovo distribuita normalmente con media μX+μY e varianza σ2X+σ2Y. Questo fenomeno è simile a quanto avevamo visto in un precedente articolo sul perché gli errori si aggiungono in quadratura.
Per estensione, se abbiamo delle variabili normali Xi con media μi e varianza σ2i allora la variabile ∑iXi sarà di nuovo normale con media ∑iμi e varianza ∑iσ2i.
La distribuzione normale ha densità di probabilità
f(x)=1√2πσ2exp[−12(x−μσ)2]
Per cui la densità di probabilità congiunta di X e Y sarà data da
f(x,y)=fX(x)fY(y)=12π√σ2Xσ2Yexp[−12(x−μXσX)2−12(y−μYσY)2]
Ora effettuiamo una trasformazione di variabili ponendo u=x+y e v=y,
{u=x+yv=y⟹{x=u−vy=v
Per cui il Jacobiano della trasformazione sarà il determinante di
(∂x∂u∂x∂v∂y∂u∂y∂v)=(1−101)
ovvero J=1. Per cui volendo calcolare la probabilità di trovare (x,y) in una regione S del piano xy abbiamo
P(S)=∫Sdxdyf(x,y)=∫S′dudvf(x(u,v),y(u,v))
Perciò la densità di probabilità rispetto alle nuove variabili u,v è semplicemente
g(u,v)=f(x(u,v),y(u,v))=12π√σ2Xσ2Yexp[−12(u−v−μXσX)2−12(v−μYσY)2]
Per ottenere la distribuzione di u dobbiamo quindi integrare via v:
g(u)=12π√σ2Xσ2Y∫+∞−∞dvexp[−12(u−v−μXσX)2−12(v−μYσY)2]
A tal scopo vogliamo scrivere esplicitamente l’argomento dell’esponenziale come un polinomio in v:
g(u)=12π√σ2Xσ2Y∫+∞−∞dvexp[−12(1σ2X+1σ2Y)v2+v(u−μXσ2X+μYσ2Y)−12(u−μXσX)2−12μ2Yσ2Y]
Possiamo quindi utilizzare il risultato generale (che si ottiene tramite completamento del quadrato)
∫+∞−∞dxe−ax2+bx+c=√πaeb24a+c
ottenendo perciò
g(u)=12π√σ2Xσ2Y√2πσ2Xσ2Yσ2X+σ2Yexp[σ2Xσ2Y2(σ2X+σ2Y)(u−μXσ2X+μYσ2Y)2−12(u−μXσX)2−12μ2Yσ2Y]
Semplificando otteniamo in definitiva
g(u)=1√2π(σ2X+σ2Y)exp(−(u−μX−μY)22(σ2X+σ2Y))
Per cui la distribuzione di u=x+y è di nuovo normale con media μX+μY e varianza σ2X+σ2Y.