Introduzione all'inferenza - Dipartimento di Economia e Statistica
Introduzione all'inferenza - Dipartimento di Economia e Statistica
Introduzione all'inferenza - Dipartimento di Economia e Statistica
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Sia<br />
Esempio<br />
un campione casuale dalla Poisson:<br />
Errore quadratico me<strong>di</strong>o/3<br />
L'EQM non dà sempre in<strong>di</strong>cazioni univoche. Per certi valori è preferibile uno<br />
stimatore, in altre regioni l'altro.<br />
In tale modello si ha<br />
per cui sia la me<strong>di</strong>a che la varianza<br />
campionaria possono servire a stimare $.<br />
Nella Poisson abbiamo inoltre:<br />
Ad esempio T=5 è uno stimatore migliore o non peggiore <strong>di</strong> nessun altro se $=5<br />
L’EQM <strong>di</strong>pende da $. E poiché $ è incognito non si<br />
potrà mai decidere con certezza.<br />
Nei rari casi in cui si riesce a <strong>di</strong>re che uno stimatore è<br />
preferibile a tutti gli altri su tutto lo spazio parametrico<br />
è detto OTTIMALE.<br />
Uno <strong>di</strong> questi è il raggiungimento del limite <strong>di</strong> Cramér-Rao nel qual caso<br />
l’efficienza è massima.<br />
Ne consegue che la me<strong>di</strong>a campionaria, nell'ambito del modello <strong>di</strong> Poisson, è<br />
uno stimatore più efficiente della varianza campionaria.<br />
Si parla talvolta <strong>di</strong> efficienza relativa <strong>di</strong> uno stimatore come rapporto tra il suo<br />
errore standard e il limite Cramér-Rao.<br />
La consistenza<br />
Consistenza in probabilità<br />
Limitarsi agli stimatori non <strong>di</strong>storti non basta: per un dato modello potrebbe<br />
non esistere lo stimatore non <strong>di</strong>storto dei parametri.<br />
Se ne esiste più <strong>di</strong> uno si sceglie quello a varianza minima. Ciò suggerisce<br />
una nuova proprietà<br />
Uno stimatore valido dovrebbe avere una funzione <strong>di</strong> <strong>di</strong>stribuzione che se<br />
"n" aumenta si riduce ad un solo punto: il parametro da stimare.<br />
Questo perchè, maggiori sono le informazioni, più precisa risulta la nostra<br />
stima e ciò deve essere recepito dallo stimatore<br />
1) La probabilità <strong>di</strong> scarti dalla me<strong>di</strong>a molto<br />
elevati deve tendere a zero<br />
2) La varianza dello stimatore deve tendere<br />
a zero<br />
che appunto tende ad uno all'aumentare <strong>di</strong> "n"<br />
Se ciò si verifica lo stimatore è detto<br />
CONSISTENTE o COERENTE<br />
il centramento o on <strong>di</strong>storsione non è <strong>di</strong>rettamente presente