CAP 3 – STIMA
Cap. 3 - Dipartimento di Statistica, Informatica, Applicazioni ...
Cap. 3 - Dipartimento di Statistica, Informatica, Applicazioni ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Corso di laurea magistrale in Statistica, Scienze Attuariali e Finanziarie<br />
INFERENZA STATISTICA (Note didattiche)<br />
Bruno Chiandotto Versione 2015<br />
3. Stima<br />
una variabile casuale normale con media incognita si consideri la variabile casuale<br />
2 n<br />
(n 1)S<br />
X<br />
i<br />
X <br />
V <br />
~<br />
2 <br />
<br />
σ<br />
i1<br />
σ <br />
che ha nell’universo dei campioni distribuzione del tipo 2 con n-1 gradi di libertà. Si<br />
tratta, quindi, di elemento pivotale essendo completamente nota la sua distribuzione e<br />
dipendendo solo dai valori campionari e dal parametro incognito di interesse 2 .<br />
Pertanto, utilizzando i valori riportati nelle tavole della distribuzione 2 si potranno<br />
determinare due valori c 1 e c 2 per i quali è soddisfatta la relazione<br />
.<br />
c<br />
V c 1 α<br />
P<br />
1 2<br />
<br />
Anche se l’intervallo che ne risulta non è di lunghezza minima, essendo la<br />
distribuzione 2 non simmetrica, c 1 e c 2 vengono scelti usualmente in modo simmetrico<br />
dove i simboli<br />
χ α<br />
e χ<br />
1<br />
/ 2<br />
α<br />
/ 2<br />
c<br />
<br />
c<br />
<br />
2<br />
2<br />
1 1 / 2<br />
,<br />
2 / 2<br />
2<br />
2<br />
n1<br />
stanno ad indicare i valori della variabile casuale 2 che<br />
hanno, rispettivamente, l’/2% dei casi a sinistra e l’/2% dei casi a destra.<br />
L’intervallo sopra scritto diventa<br />
<br />
P<br />
χ<br />
<br />
(n<br />
1)S<br />
<br />
2<br />
σ<br />
che è perfettamente equivalente all’intervallo<br />
(n<br />
1)S<br />
P 2<br />
χ<br />
<br />
<br />
1<br />
<br />
2<br />
2<br />
2<br />
1α/<br />
2<br />
χ<br />
α/ 2<br />
<br />
α/ 2<br />
2<br />
<br />
σ<br />
2<br />
(n 1)S<br />
<br />
2<br />
χ<br />
1α/<br />
2<br />
2<br />
α<br />
<br />
1<br />
α<br />
<br />
3.3.4 Intervallo di confidenza per la media di una variabile casuale con legge di<br />
distribuzione arbitraria.<br />
I metodi per la derivazione degli intervalli di confidenza illustrati, si riferiscono a<br />
campioni estratti da popolazioni aventi distribuzione normale; ragionamento analogo può<br />
essere fatto nel caso della distribuzione bernoulliana, della distribuzione di Poisson, ecc.<br />
Sembra naturale però chiedersi come determinare gli intervalli di confidenza relativi a<br />
parametri caratteristici di interesse quando non è nota la forma della distribuzione della<br />
popolazione cui si riferisce il campione di osservazioni disponibile. Se esistono le<br />
condizioni richieste dal teorema del limite centrale, nel caso in cui il parametro d'interesse<br />
è la media, la risposta è immediata; infatti, in tale situazione, la media campionaria avrà<br />
una distribuzione approssimativamente normale, potrà allora essere applicata la<br />
metodologia esposta nelle pagine precedenti.<br />
Ad esempio, se con X si indica il numero di successi osservabili in corrispondenza di un<br />
esperimento casuale replicato n volte, la variabile casuale X ha distribuzione binomiale, si<br />
potrebbe, pertanto, procedere alla determinazione degli intervalli di confidenza facendo,<br />
eventualmente, ricorso alle tavole della distribuzione binomiale. Ma, come già segnalato nelle<br />
206