Sviluppi dell'impostazione unificante per test bayesiani e frequentisti ...
Sviluppi dell'impostazione unificante per test bayesiani e frequentisti ...
Sviluppi dell'impostazione unificante per test bayesiani e frequentisti ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
nξ |∆| = 0 1 2 3 4 5<br />
1 1.317 1.655 1.777 1.793 1.780 1.802<br />
5 1.932 2.506 3.306 3.449 3.483 3.500<br />
10 2.321 2.966 4.206 4.617 5.683 4.710<br />
15 2.576 3.256 4.744 5.442 5.559 5.593<br />
20 2.768 3.771 5.121 6.085 6.272 6.314<br />
25 2.922 3.642 5.407 6.608 6.882 6.936<br />
30 3.051 3.783 5.637 7.046 7.421 7.490<br />
40 3.260 4.010 5.990 7.749 8.343 8.455<br />
50 3.425 4.188 6.257 8.293 9.116 9.287<br />
60 3.563 4.336 6.470 8.732 9.781 10.026<br />
70 3.681 4.462 6.647 9.096 10.362 10.694<br />
80 3.784 4.571 6.798 9.404 10.878 11.305<br />
90 3.876 4.668 6.929 9.671 11.338 11.868<br />
100 3.958 4.756 7.045 9.903 11.754 12.390<br />
Tabella 1: Valori di a <strong>per</strong> il <strong>test</strong> normale bilaterale<br />
Chiamata Φ(z) la funzione di ripartizione di una normale standardizzata, si ha che F 0 (s) =<br />
Pr(B(u) < s/ H 0 ) = Pr(u < u − s |H 0 ) + Pr(u > u + s |H 0 ) = Φ(u − s ) + Φ(−u + s ), mentre F 1 (s) =<br />
Φ( u− s +∆ √ √<br />
nξ<br />
nξ+1<br />
) + Φ(− u+ s +∆ √ √<br />
nξ<br />
nξ+1<br />
).<br />
Pertanto l’equazione F 0 (a) = 1 − F 1 (1), che <strong>per</strong>mette di trovare il valore di a, è equivalente<br />
all’equazione<br />
(4) Φ(u − a ) + Φ(−u+ a ) = Φ(u+ 1 + ∆√ nξ<br />
√ ) − Φ( u− 1 + ∆√ nξ<br />
√ ).<br />
nξ + 1<br />
nξ + 1<br />
La Tavola 1 5 fornisce i valori di a, ottenuti come soluzione di 4, <strong>per</strong> alcuni valori di nξ e<br />
∆. Si noti che il valore di a si mantiene contenuto <strong>per</strong> tutti i valori dei parametri forniti come<br />
esempio.<br />
Noteremo ora graficamente che la probabilitá della zona di non decisione decresce al crescere<br />
della dimensione campionaria, sebbene, come si vede dalla tabella 1, la sua ampiezza aumenti.<br />
Il fatto che l’ampiezza della regione di non decisione aumenti indica che la contraddizione tra<br />
<strong>test</strong> classico e <strong>test</strong> bayesiano diventa piú consistente al crescere della dimensione campionaria.<br />
Non bisogna <strong>per</strong>ó considerare poco utilizzabile il <strong>test</strong> bayesiano modificato quando n è grande,<br />
in quanto l’ampiezza della regione di non decisione risulta un fattore ingannevole: mostreremo<br />
ora che la sua probabilitá pre-s<strong>per</strong>imentale, sotto entrambe le ipotesi, è in generale trascurabile<br />
e asintoticamente nulla.<br />
Si ha infatti che Pr(“regione di non decisione ′′ |H i ) = Pr(1 < B(x) < a|H i ) = F i (a) − F i (1),<br />
<strong>per</strong> i = 0, 1. Se si vuole valutare la probabilitá marginale della regione di non decisione,<br />
è sufficiente calcolare la media rispetto alle probabilitá a priori delle ipotesi. Dal momento<br />
5 (Berger et al. 1997b, Pag. 141)<br />
6