Sei sulla pagina 1di 220

Inferenza Statistica

a.a. 2018-2019

Fulvio De Santis, Stefania Gubbiotti, Luca Tardella

1 aprile 2019

Appunti dei corsi Inferenza statistica. Dipartimento di Scienze Statistiche – Sapienza Universit`a di Roma A cura di F. De Santis, S. Gubbiotti, L. Tardella

Indice

1 Le basi dell’inferenza statistica

 

1

1.1 Introduzione .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

1

1.1.1 Premessa

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

1

1.1.2 Campionamento da popolazioni finite e da variabili aleatorie

 

.

.

.

.

.

2

1.1.3 Formulazione generale del problema e modelli parametrici di base

 

3

1.2 Il modello statistico di base

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

3

1.2.1 Modelli statistici parametrici per v.a. discrete .

.

.

.

.

.

.

.

.

.

.

.

.

.

4

1.2.2 Modelli statistici parametrici per v.a. assolutamente continue

 

6

1.2.3 Famiglie posizione-scala

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

11

1.3 Il modello statistico

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

14

1.3.1 Esperimento e modello statistico

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

14

1.3.2 Campioni casuali

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

16

1.3.3 Campione casuale, popolazioni virtuali e finite

.

.

.

.

.

.

.

.

.

.

.

.

.

16

1.3.4 Modelli statistici per campioni casuali

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

18

1.3.5 Famiglie esponenziali .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

24

1.4 I principali problemi inferenziali .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

28

1.5 Le principali impostazioni inferenziali

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

29

Esercizi

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

33

2 Statistiche e distribuzioni campionarie

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

35

2.1 Introduzione .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

35

2.2 Somma, media e varianza campionaria per campioni casuali

.

.

.

.

.

.

.

.

.

.

37

2.2.1 Propriet`a generali

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

37

2.2.2 Distribuzione di somma e media campionaria

 
 

in alcuni modelli

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

38

2.3 Campionamento da popolazioni normali

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

43

2.3.1 Distribuzione di somma, media e varianza campionaria .

.

.

.

.

.

.

.

.

43

2.3.2 Distribuzioni derivate: t di Student e F di Fisher

 

.

.

.

.

.

.

.

.

.

.

.

49

2.4 Approssimazioni asintotiche

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

52

2.4.1

Metodo delta

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

55

2.5 Distribuzione di X (1) e X (n) .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

57

Esercizi

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

59

3 Inferenza basata sulla funzione di verosimiglianza

 

.

.

.

.

.

.

.

.

.

.

.

.

.

61

3.1 Funzione di verosimiglianza

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

61

3.2 Usi inferenziali della funzione di verosimiglianza

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

64

3.2.1 Stima puntuale: stima di massima verosimiglianza

.

.

.

.

.

.

.

.

.

.

.

64

3.2.2 Stima mediante regioni: insiemi di verosimiglianza

.

.

.

.

.

.

.

.

.

.

.

67

3.2.3 Verifica di ipotesi: rapporti di verosimiglianze .

.

.

.

.

.

.

.

.

.

.

.

.

.

70

3.2.4 La funzione di log-verosimiglianza nei tre problemi ipotetici

 

72

3.3 Informazione di Fisher osservata

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

73

iii

3.4 Analisi della verosimiglianza in alcuni modelli statistici

 

.

.

.

.

.

.

.

.

.

.

.

74

3.5 Approssimazione normale della fdv

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

77

3.5.1

Insiemi di verosimiglianza approssimati

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

78

3.6 Il caso multiparametrico

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

80

3.6.1

Stima di massima verosimiglianza

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

81

3.7 Inferenza in presenza di parametri di disturbo

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

82

3.8 Sufficienza

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

83

3.8.1 Statistiche sufficienti minimali

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

86

3.8.2 Statistiche sufficienti e famiglie esponenziali

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

91

3.9 Il Principio di verosimiglianza .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

91

Esercizi

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

94

4 Inferenza frequentista: stima puntuale

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

101

4.1 Introduzione

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

101

4.2 Principio del campionamento ripetuto

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

101

4.3 Stima puntuale di un parametro

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

102

4.4 Metodi per la stima puntuale

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

103

4.4.1 Stimatore dei momenti .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

103

4.4.2 Stimatore di massima verosimiglianza

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

109

4.5 Valutazione degli stimatori

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

109

4.5.1 Errore quadratico medio di uno stimatore

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

110

4.5.2 Confronto tra stimatori

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

112

4.6 Stimatori ottimi

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

113

4.6.1 Informazione di Fisher

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

114

4.6.2 Limite inferiore di Cramer-Rao

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

120

4.6.3 Procedura di Rao-Blackwell

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

124

4.7 Propriet`a asintotiche degli stimatori

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

132

4.7.1 Consistenza

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

132

4.7.2 Normalit`a asintotica

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

134

4.7.3 Efficienza asintotica

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

135

4.8 Propriet`a degli stimatori dei momenti

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

136

4.9 Propriet`a degli stimatori di massima

 

verosimiglianza

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

138

4.9.1 Consistenza

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

139

4.9.2 Normalit`a asintotica

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

140

4.9.3 Normalit`a asintotica per funzioni dello stimatore di mv

.

.

.

.

.

.

.

.

142

4.10 Il caso multiparametrico

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

143

4.11 Appendice .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

146

4.11.1 Consistenza dello stimatore di massima verosimiglianza

.

.

.

.

.

.

.

.

146

4.11.2 Dimostrazione della normalit`a asintotica dello smv

.

.

.

.

.

.

.

.

.

.

.

147

5 Inferenza frequentista: stima mediante insiemi

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

149

5.1 Introduzione

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

149

5.2 Metodo delle quantit`a pivotali .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

151

5.2.1 Intervalli di confidenza per i parametri del modello normale

 

152

5.2.2 Altri esempi

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

155

5.2.3 Confronto tra parametri di due popolazioni normali

.

.

.