Sei sulla pagina 1di 1

Stock/Watson – Introduzione all’econometria – 4a edizione – Risposte alle domande di verifica dei concetti

_________________________________________________________________________________ 1

Capitolo 3 – Risposte alle domande di verifica dei concetti


3.1 Uno stimatore la cui distribuzione campionaria ha media uguale a quella della
popolazione sottostante si dice non distorto. A prescindere dal numero di
campionamenti della popolazione, la media della distribuzione campionaria
sarà sempre la stessa. Uno stimatore che si avvicina al valore reale
all’aumentare della dimensione del campione si dice consistente. Uno stimatore
può essere distorto ma consistente, non distorto e non consistente.
3.2 L’efficienza di uno stimatore è misurata dalla sua varianza campionaria. Gli
stimatori con varianza campionaria inferiore sono considerati più efficienti
perché richiedono meno dati per effettuare una stima precisa quanto quella di
uno stimatore con varianza più alta. La media campionaria come stimatore
della media della popolazione è considerata BLUE (Best Linear Unbiased
Estimator) perché fornisce la stima più efficiente della media della
popolazione.
3.3 In tutti i casi la media di Y è 15. La varianza di Y è var(Y)/n, da cui si ricava
var( Y ) = 0,2 quando n =50, var(Y) = 0,02 quando n = 500 e var(Y) = 0,002
quando n =5000. Poiché var(Y) converge a zero al crescere di n, allora, con
probabilità che si avvicina a 1, Y sarà vicino a 15 al crescere di n. È quanto
afferma la legge dei grandi numeri.
3.4 La deviazione standard di una distribuzione è una misura della dispersione dei
dati campionari attorno alla media della distribuzione. La media campionaria,
come tutti gli stimatori, ha una distribuzione campionaria, caratterizzata da una
deviazione standard. Lo stimatore di questa deviazione standard è noto come
errore standard e si calcola come segue: 𝑆𝑆(𝑌�) = 𝜎�𝑌� = 𝑠𝑌 /√𝑛, dove sY è la
deviazione standard e n è il numero di osservazioni.
3.5 Se ne parla nel Paragrafo 3.2.
3.6 Un intervallo di confidenza contiene tutti i valori del parametro (per esempio la
media) che non possono essere rifiutati quando utilizzati come ipotesi nulla.
Esso riassume perciò i risultati di un numero molto elevato di test di ipotesi.
3.7 Un diagramma a nuvola di punti è un diagramma di coppie di osservazioni per
due variabili, di cui una è rappresentata sull’asse x e l’altra sull’asse y. Tale
diagramma è usato per individuare caratteristiche della relazione tra le due
variabili: se sono correlate tra loro, se la correlazione è positiva, o negativa, o
non lineari.
3.8 Il diagramma di (a) è inclinato verso l’alto e i punti cadono esattamente su una
retta. Il diagramma di (b) è inclinato verso il basso e i punti cadono esattamente
su una retta. Il diagramma di (c) dovrebbe mostrare una relazione positiva e i
punti dovrebbero essere vicini a una retta inclinata verso l’alto ma non
esattamente su di essa. Il diagramma di (d) mostra una relazione generalmente
negativa tra le variabili e i punti sono sparsi attorno a una retta inclinata verso il
basso. Il diagramma di (e) non sembra mostrare relazioni lineari tra le variabili.