Title | Distribuzione campionaria |
---|---|
Course | Statistica |
Institution | Sapienza - Università di Roma |
Pages | 10 |
File Size | 189 KB |
File Type | |
Total Downloads | 21 |
Total Views | 124 |
Distribuzione Campionaria...
Standardizzazione −→ Definisce il passaggio da X ∼ N (µ, σ 2 ) a Z ∼ N (0, 1). X −µ σ =⇒ P (x1 < X < x2 ) = P (z1 < Z < z2 ) dove: Z=
z1 =
x1 − µ x2 − µ e z2 = σ σ
Distribuzione della media campionaria 2 • Se X ∼ N µ, σ 2 =⇒ µ b ∼ N µ, σn σ2 • Se n ≥ 30 =⇒ µ b ∼ N µ, n 2 • Se n ≤ 30 e X ∼? µ, σ 2 =⇒ µ b ∼? µ, σn •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Distribuzione della proporzione campionaria −→ Carattere di tipo qualitativo. −→ Ci si concentra su una determinata modalit` a del carattere, e, in particolare, sulla pop n sua frequenza relativa o proporzione in popolazione Ni∗ = fi∗ = pi∗ , indicata pi` u semplicemente con p. −→ Per un campione di numerosit` a n (estratto con campionamento casuale semplice con ripetizione) la statistica campionaria corrispondente e` la proporzione campionaria nni∗ = pbi∗ , indicata pi` u semplicemente con pb = nx (dove x rappresenta a di interesse). il numero di unit`a statistiche nel campione che presentano la modalit` −→ Si associa a ciascuna proporzione campionaria pb osservabile nei possibili campioni la sua probabilit`a:
pb pb1 pb2
P (pb) P (pb1 ) P (pb2 )
.. .. . pbSn P (pbSn ) •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Distribuzione della proporzione campionaria Caratteristiche:
• µpb: media aritmetica delle possibili proporzioni campionarie p: proporzione di popolazione (incognita) µpb = p
• σp2b: varianza delle possibili proporzioni campionarie
• pb ∼ Bin (p, n)
σpb2 =
p(1 − p) n
Distribuzione Binomiale
x n px (1 − p)n−x P (ˆ p= )= x n n n! Coefficiente binomiale: = x!(n− x)! x n! = n · (n − 1) · . . . · 2 · 1, x! = x · (x − 1) · . . . · 2 · 1, (n − x)! = (n − x) · (n − x − 1) · . . . · 2 · 1
• Se n ≥ 30 =⇒ pb ∼ N p, p(1n−p)
•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Inferenza statistica −→ θ : parametro di popolazione di interesse e incognito (µ, p, σ 2 , σxy ,βb1 , etc.). −→ Supponiamo che N → ∞ e il meccanismo di campionamento sia casuale semplice (con o senza ripetizione). −→ Campione probabilistico di numerosit` a n. 2 −→ s: statistica campionaria (b µ, pb, σb , σbxy , b1 , etc.).
1. Stima puntuale: individua la statistica campionaria s pi` u adeguata per stimare il parametro di popolazione θ =⇒ le possibili statistiche campionarie s diventano lo stimatore T , =⇒ la statistica campionaria s osservata su un campione diventa una stima, ovvero una realizzazione dello stimatore.
2. Stima intervallare: individua un intervallo in cui mi aspetto, con una certa a fiducia, vi sia θ , a partire dalla stima (dati campionari) e sfruttando le propriet` dello stimatore T . 3. Verifica di ipotesi: valuta la plausibilit`a di una certa ipotesi su θ , a partire dalla stima (dati campionari) e sfruttando le propriet` a dello stimatore T . •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Stima puntuale −→ Definisce le propriet` a di cui un buon stimatore T dovrebbe godere:
1) Correttezza o non distorsione: la media dello stimatore, ovvero la media di a fissata n, coincide tutte le stime generate dai possibili campioni di numerosit` col parametro di popolazione di interesse θ :
µT = θ b e` uno stimatore corretto. • media campionaria µb: µµb = µ =⇒ µ • proporzione campionaria pb: µpb = p =⇒ pb e` uno stimatore corretto. n b 2 e` uno stimatore dis6= σ 2 =⇒ σ • varianza campionaria σb2 : µσb 2 = σ 2n−1
torto. • varianza campionaria corretta Pn 1 n b 2 = (n−1) b2 (x − σ sb2 = n−1 µ) u u=1 1 Pk n σ sb2 = n−1 b 2 ni = (n−1) b2 i=1 (xi − µ) µsb2 = σ 2 =⇒ sb2 e` uno stimatore corretto.
•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Stima puntuale 2) Consistenza: all’aumentare della dimensione campionaria n lo stimatore T tende a coincidere con θ . Uno stimatore T corretto e` anche consistente se la sua varianza si riduce all’aumentare di n:
σT2
• media campionaria µ b: σµb2 =
σ2 n
−→ n→∞
0
=⇒ µ b e` uno stimatore corretto e consistente.
• proporzione campionaria pb: σpb2 = 2
p(1−p) n
=⇒ pb `e uno stimatore corretto e consistente.
• varianza campionaria corretta b s : stimatore corretto e consistente.
3) Efficienza: uno stimatore T1 e` pi`u efficiente di uno stimatore T2 rispetto al medesimo parametro θ se la sua varianzae` inferiore a quella di T2 :
σT21 < σ 2T2 • media campionaria µ b: stimatore corretto, consistente e il piu` efficiente (in un’ampia classe di stimatori alternativi). • proporzione campionaria pb: stimatore corretto, consistente e il piu` efficiente (in un’ampia classe di stimatori alternativi).
u efficiente (in un’ampia classe • varianza campionaria corretta b s2 : stimatore corretto, consistente e il pi` di stimatori alternativi).
•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Stima puntuale Schema riassuntivo Parametro Stimatore µ
µ ˆ
p
pˆ
σ2
sˆ2
a Propriet`
Distribuzione
2 corretto µ ˆ ∼ N µ, σn consistente il pi`u efficiente
Assunzioni se il carattere nella popolazione ha una distribuzione normale (o se n e` sufficientemente elevato)
corretto pˆ ∼ Bin p, n consistente oppure p(1−p) il pi`u efficiente pˆ ∼ N p, n se n e` sufficientemente elevato corretto consistente il pi`u efficiente -
-
•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Stima intervallare −→ Definisce come individuare un intervallo in cui mi aspetto, con una certa fiducia, vi sia θ , a partire dalla stima (dati campionari) e sfruttando le propriet` a dello stimatore T . ⇒ A partire da tutti i possibili risultati campionari. −→ Livello di confidenza 1 − α: grado di fiducia nel trovare il parametro θ
nell’intervallo individuato. ⇒ E’ una percentuale prefissata di possibili risultati campionari che soddisfano tale condizione.
P (v1 ≤ T ≤ v2 ) = 1 − α
−→ Devo individuare v1 e v2 , fissato 1 − α e conoscendo la distribuzione campionaria di T . 0.90
1 − α= 0.95
0.99
−→ v1 e v2 rispecchiano il livello di confidenza fissato 1 − α. •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Stima intervallare per la media µ dove:
P (v1 ≤ µˆ ≤ v2 ) = 1 − α
σ2 µ ˆ ∼ N (µ, ) n 2 se X ∼ N (µ, σ ) oppure n ≥ 30.
•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Stima intervallare per la media µ Standardizzazione:
P
−zα/2
µˆ − µ ≤ p 2 ≤ zα/2 σ /n
!
= 1−α
σ σ P µˆ − zα/2 √ ≤ µ ≤ µˆ + zα/2 √ = 1−α n n =⇒ Intervallo di confidenza per la media µ: µb ± zα/2 √σn .
Assunzioni:
• se X ∼ N (µ, σ 2 ) oppure se n ≥ 30;
• se la varianza di popolazione σ 2 e` nota. •First •Prev •Next •Last •Go Back •Full Screen •Close •Quit...