Sei sulla pagina 1di 3

STIMATORI

October 9, 2009

Abbiamo visto che cercare stimatori per una popolazione signica in sostanza trovare delle approssimazioni per i parametri teorici incogniti che descrivono il comportamento della popolazione (media e varianza). Data una popolazione modellizzata da una v.a. X con M (X) = e V (X) = 2 parametri teorici, sia X1 ,X2 ,...,Xn il campione estratto con metodo bernoulliano da tale popolazione, quindi pensiamo le v.a. Xi tutte indipendenti e con la stessa distribuzione di X.

Stimatore della media teorica:

X=

1 n

Xi =

La media aritmetica del campione uno stimatore del parametro , che la media teorica della popolazione. In letteratura si usa anche il simbolo del cappuccio sopra il parametro per indicare il suo stimatore.
Propriet della media campionaria

M (X) =

V (X) =

2 n

Se X 1 ,X2 ,...,Xn hanno distribuzione normale N (; 2 ) allora la variabile aleatoria media cam2 pionaria X avr anch'essa distribuzione normale ma con questi parametri: N (; ). n In generale, se il campione X 1 ,X2 ,...,Xn molto numeroso (per n ), il Teorema Centrale del Limite garantisce che
X avr distribuzione normale N (m; ), qualunque sia la distribuzione di partenza del campin
2

one.

Inoltre la Legge dei Grandi Numeri garantisce che Limn P X m > k = 0 Ovvero per campioni molto numerosi lo scarto tra la media campionaria e la teorica piccolo, ovvero piccolo l'errore che commetto approssimando la media teorica con la media campionaria.

Stimatore della varianza teorica:

S2 =

1 n

Xi X

= 2

La varianza campionaria (media quadratica degli scarti tra i valori osservati e la media) uno stimatore del parametro 2 , che la varianza teorica della popolazione. In letteratura si usa anche il simbolo del cappuccio sopra il parametro 2 per indicare il suo stimatore.
Propriet della varianza campionaria

M (S 2 ) =

n1 n

In generale non abbiamo informazioni sulla varianza V (S 2 ) per si dimostra che se il campione ha distribuzione normale allora il rapporto
nS 2 2

2 n1

( il simbolo signica ha

distribuzione di probabilit

e in generale vale una sorta di Teorema centrale del limite anche per S 2 , ovvero se il campione molto numeroso, allora S 2 avr distribuzione Normale.

Stimatore di dierenze di medie:

X Y

Supponiamo di voler confrontare uno stesso fenomeno su due diverse popolazioni X di numerosit N1 e Y di numerosit N2 , e siano x e y le medie teoriche delle due popolazioni e 2 2 siano x e y le due varianze teoriche. Studio quindi la variabile X - Y di media e varianza incognite. Consideriamo quindi due campioni X1 , X2 , ..., Xn1 e Y1 , Y2 , ..., Yn2 estratti dalle due popolazioni con metodo bernoulliano (quindi i due campioni sono indipendenti al loro interno) La variabile campionaria X Y uno stimatore della media teorica della variabile X - Y.
Propriet:

M (X Y ) = M (X) M (Y ) = x y

V (X Y ) = V (X) + V (Y ) =

2 x n1

2 y n2

Inoltre se il campione numeroso la variabile campionaria X Y si comporta come una normale con media e varianza scritte sopra.

Stimatore della Frequenza di una popolazione


Consideriamo una popolazione di N individui. Vogliamo stimare quante persone possiedono un determinato attributo (ad es. quanti possiedono la patente, quanti hanno visto un determinato programma televisivo...) Sia K il numero di persone della popolazione che eettivamente possiedono l'attributo. Allora p = K rappresenta la probabilit che una persona presa a caso nella popolazione possieda N l'attributo. Considero allora un campione di individui: X1 , ..., Xn e per ognuno di essi assegno valore 1 se possiede l'attributo e valore 0 se non lo possiede (quindi sono v.a. bernoulliane)
Xi = 1 0 se possiede l attributo se non lo possiede
n

p q =1p

la variabile aleatoria X =
i=1

Xi conta il numero di persone del campione che possiedono

l'attributo ed una v.a. Binomiale con media M (X) = n p e varianza V (X) = n p q . Denisco una nuova variabile: F = campione.
M (F ) = M
X n X n

rappresenta la frequenza relativa dell'attributo nel e


V (F ) = V
X n

1 n

np=p

1 n2

npq =

pq n

e per n grande F si comporta come una normale N p; pq n