02.11.2015 Views

CAP 3 – STIMA

Cap. 3 - Dipartimento di Statistica, Informatica, Applicazioni ...

Cap. 3 - Dipartimento di Statistica, Informatica, Applicazioni ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Corso di laurea magistrale in Statistica, Scienze Attuariali e Finanziarie<br />

INFERENZA STATISTICA (Note didattiche)<br />

Bruno Chiandotto Versione 2015<br />

3. Stima<br />

Le statistiche <br />

n<br />

i1<br />

X i e<br />

n<br />

<br />

i1<br />

2<br />

X i<br />

(e qualsiasi altra trasformazione biunivoca di tale<br />

coppia) sono congiuntamente sufficienti per e 2 (per verificare tale risultato basta<br />

svolgere il quadrato nel termine<br />

conseguenza<br />

~<br />

=<br />

X<br />

e<br />

~ 2<br />

=<br />

2<br />

S *<br />

n<br />

<br />

i1<br />

funzione di statistiche congiuntamente sufficienti.<br />

Per quanto detto nel Cap. 2, risulta che: a) le due v.c. X<br />

indipendenti; b) X<br />

inoltre, la v.c.<br />

è una stima corretta di mentre<br />

nS<br />

<br />

2<br />

*<br />

2<br />

(x i <strong>–</strong> ) 2 e operare le relative somme). Di<br />

sono stimatori congiuntamente sufficienti, essendo<br />

n<br />

= <br />

i1<br />

<br />

<br />

<br />

X i<br />

2<br />

S *<br />

X <br />

<br />

<br />

<br />

ha distribuzione del tipo chi-quadro con n-1 gradi di libertà <br />

Per le proprietà della v.c. Chi-quadrato<br />

da cui<br />

E(<br />

E<br />

2<br />

S *<br />

nS<br />

<br />

<br />

) =<br />

2<br />

*<br />

2<br />

<br />

<br />

<br />

= n <strong>–</strong> 1 Var<br />

n 1<br />

<br />

2<br />

n<br />

Var (<br />

2<br />

nS<br />

<br />

<br />

2<br />

S *<br />

e<br />

2<br />

S *<br />

sono fra loro<br />

è una stima distorta di<br />

2<br />

*<br />

2<br />

<br />

<br />

<br />

2<br />

n1<br />

.<br />

= 2(n <strong>–</strong> 1)<br />

) = 2 4 n 1<br />

2 .<br />

n<br />

2<br />

Essendo S * uno stimatore distorto di 2 , il teorema di Cramér-Rao non si applica<br />

perché viene a cadere una delle ipotesi fondamentali dello stesso. Comunque, poiché<br />

2<br />

*<br />

EQM( S ) = 4 (2n <strong>–</strong> 1)/n 2 tende a 0 per n → ∞,<br />

2<br />

<br />

2<br />

S * è uno stimatore consistente in<br />

senso forte. Dato poi che la consistenza forte implica quella debole,<br />

2<br />

S *<br />

;<br />

è anche<br />

consistente in senso debole per 2 . Inoltre, per quanto esposto nel capitolo precedente,<br />

è invece stimatore corretto di<br />

Poiché la v.c.<br />

2<br />

<br />

S 2 =<br />

2<br />

n1<br />

S<br />

2<br />

<br />

la varianza campionaria corretta<br />

1<br />

n 1<br />

n S<br />

2<br />

*<br />

=<br />

2<br />

<br />

n<br />

<br />

i1<br />

(X i <strong>–</strong> X ).<br />

n<br />

= <br />

i1<br />

<br />

<br />

<br />

X i<br />

X <br />

<br />

<br />

<br />

ha distribuzione di tipo chi-quadro con n-1 gradi di libertà con media e varianza<br />

ne risulta<br />

<br />

<br />

n 1<br />

S<br />

2<br />

<br />

E <br />

= n <strong>–</strong> 1 Var 2<br />

<br />

<br />

2<br />

<br />

<br />

<br />

<br />

n 1<br />

S<br />

2<br />

<br />

2<br />

= 2 (n <strong>–</strong> 1),<br />

195

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!