Lezione 8
Lezione 8
Lezione 8
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Inferenza statistica<br />
È chiaro che quanto più<br />
numeroso risulta il<br />
campione tanto più<br />
precise saranno le<br />
informazioni che si<br />
otterranno rispetto<br />
all’intera popolazione<br />
→ μ<br />
x S → σ<br />
CAMPIONE 1<br />
POPOLAZIONE<br />
Se il campione si estende fino a coprire l’intera<br />
popolazione i parametri calcolati (la media e la<br />
varianza) sarebbero quelli corretti.<br />
Inferenza statistica<br />
CAMPIONE n<br />
CAMPIONE 2<br />
• Secondo il Teorema del Limite Centrale, la media<br />
campionaria, x, è variabile aleatoria distribuita<br />
secondo una gaussiana con media μ e varianza<br />
σ 2 /n con μ e σ 2 media e varianza dell’intera<br />
popolazione<br />
• per il calcolo delle probabilità relative a x a possiamo<br />
far riferimento alla standardizzazione:<br />
z<br />
=<br />
μ<br />
n<br />
• Per n molto grande, z è gaussiana anche usando la<br />
varianza campionaria, altrimenti è una T Student.<br />
x<br />
σ /<br />
−<br />
4