Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
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.
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.
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
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.
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.
p q =1p
la variabile aleatoria X =
i=1
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
1 n
np=p
1 n2
npq =
pq n