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.
Ancora sulla varianza <strong>di</strong><br />
Nel caso del valore atteso la combinazione lineare ha pesi con somma uno,<br />
quin<strong>di</strong><br />
Ne consegue:<br />
d = !" 2<br />
N !1<br />
! 2 ( x ) = 1 #<br />
n 2 n! 2 " ! 2<br />
N "1 2 n( n "1)<br />
&<br />
%<br />
( = ! 2<br />
$<br />
2 ' n * ) + N " n ,.<br />
* N "1-<br />
x<br />
Particolari combinazione <strong>di</strong> V.C.<br />
Siamo interessati ad una particolare combinazione lineare: la somma ponderata<br />
<strong>di</strong> variabili casuali<br />
con<br />
,<br />
: la RIPRODUCIBILITA'<br />
Dal confronto delle due formule si vede che la<br />
me<strong>di</strong>a campionaria è meno variabile se il<br />
campionamento avviene senza reimmissione<br />
Questo non sorprende date le minori possibilità <strong>di</strong><br />
sviluppo dell’universo dei campioni<br />
" $<br />
N ! n%<br />
' < 1<br />
# N !1&<br />
Cioè la somma ponderata <strong>di</strong> "n" variabili casuali gaussiane è pure gaussiana<br />
Con valore atteso e varianza date dalle somme <strong>di</strong> quelle delle variabili.<br />
Se poi si tratta <strong>di</strong> variabili casuali I.I.D si ha:<br />
Gli stimatori che più ci interessano sono<br />
delle funzioni delle osservazioni<br />
campionarie {X 1<br />
,X 2<br />
,…,X n<br />
} del tipo:<br />
n<br />
L n<br />
= " w i<br />
X i<br />
i=1<br />
Statistiche L<br />
Applicazione: me<strong>di</strong>a campionaria<br />
Supponiamo che le:<br />
siano repliche in<strong>di</strong>pendenti <strong>di</strong> un v.c.<br />
Normale con me<strong>di</strong>a "µ" e varianza<br />
Come si <strong>di</strong>stribuisce la statistica me<strong>di</strong>a campionaria <br />
( )<br />
!<br />
dove gli sono dei "pesi" che esprimono il contributo a ”L n<br />
" delle<br />
<strong>di</strong>verse osservazioni facenti parti dello stimatore.<br />
Applicando il risultato precedente si ha:<br />
La notazione X (i)<br />
in<strong>di</strong>ca che i valori delle osservazioni campionarie sono state<br />
or<strong>di</strong>nate in senso crescente.<br />
Le statistiche L (cioè lineari) sono tali perché le osservazioni campionarie vi<br />
compaiono con potenza uno<br />
Quin<strong>di</strong>, per la me<strong>di</strong>a campionaria <strong>di</strong> un campione estratto da una v.c.<br />
Normale si ripropone lo stesso modello.