Varianza campionaria

Distribuzione della media campionaria

campionamento con reinserimento (o se popolazione è infinita )

i. la forma della distribuzione campionaria della media è

normale per n  30 indipendentemente dalla forma della
distribuzione della variabile nella popolazione

ii. la media della distribuzione campionaria della media è

uguale alla media della popolazione: M = 

iii. la deviazione standard della distribuzione campionaria della

media è detta errore standard ed è uguale alla deviazione
standard della popolazione diviso la radice quadrata
dell’ampiezza dei campioni: M = 
n
Legge dei grandi numeri

2,38
M = = 1,68 
2 M =  = 2,38
2,38 n
M = = 0,75
10
2,38 All’aumentare dell’ampiezza
M = = 0,34
50 campionaria n la variabilità della
 distribuzione campionaria diminuisce
2,38 lim =0
M = = 0,24 n → n e se n tende all’infinito,
100 l’errore standard della media
campionaria M tende a zero
2,38
M = = 0,08
1000
2,38
M = = 0,02
10000
Stime

Errore standard Errore standard

basso alto
 Esempio

Il punteggio di un test di ammissione ad un tirocinio segue una distribuzione

normale con media 74 e deviazione standard 10.
Si estrae un campione casuale di 25 soggetti che hanno sostenuto il test.
Si consideri la media campionaria del campione di 25 soggetti.

a) Trovare il valore atteso della media campionaria.

b) Trovare la varianza della media campionaria.
c) Calcolare la probabilità che la media campionaria sia compresa tra 74 e
76.
Si estrae un campione casuale di 64 soggetti che hanno sostenuto il test.
Si consideri la media campionaria del campione di 64 soggetti.
a) Trovare il valore atteso della media campionaria.
b) Trovare la varianza della media campionaria.
c) Calcolare la probabilità che la media campionaria sia compresa tra 74 e
76.
d) Confrontare e commentare i punti c) ed f
g) All’aumentare della numerosità n la deviazione standard
della media campionaria diminuisce e la distribuzione è più
concentrata intorno al valore medio

Di conseguenza, nonostante l’intervallo sia lo stesso (74, 76),

La probabilità è maggiore se n=64
Da una popolazione si estraggono con ripetizione tutti i campioni
di numerosità via via crescente (n = 2, n = 3, n = 4, ...). Al
crescere della dimensione del campione la media di tutte le medie
campionarie

si avvicina sempre di più alla media vera

è eguale alla media vera a prescindere dalla numerosità
aumenta
oscilla in modo irregolare intorno alla media vera
Varianza della popolazione ignota

Numero
Soggetto
di errori
Andrea 9 (7 - 8) 2 + (9 - 8) 2
s=
s2 =
 (X i -  ) 2
Pasquale 7 (n - 1) = 1
n −1 Carlo 4

s=
(X i -  )2 Michele 3
s
n −1
Emiliano 2
̂ M = ˆ M = 1
Fabrizio 5 n
Numero
Soggetto
di errori
(2 - 3,5)2 + (5 - 3,5)2
Andrea 9 s=
Pasquale 7 1
s
̂ M = Carlo 4
n Michele 3
Emiliano 2
Fabrizio 5
Stima dei parametri di una popolazione (scala metrica)

X1 Popolazione
X2
XN
 2
M S 2 Campione
(numerosità n)

X i
M= i =1

S2 =
 i
( X - M ) 2

n −1
X1 X2
XN Popolazione
  2
Campione
(numerosità n)
M S2

X i
M= i =1
 M = E (M ) = 
n

S =
2  i
( X - M ) 2
S = E (S 2 ) =  2
2

n −1

Proprietà di non distorsione

La stima non distorta S^2 prevede di dividere per (n-1) e non per n

S 2
=
(X i - M )2
n −1
La deviazione standard (o errore standard) della media campionaria di
conseguenza sarà
s
 = M  z  ˆ M = M  z 
n

Se standardizziamo la v.c. media campionaria abbiamo

M − M M − 
z= =
M
ˆ s
n

In definitiva nel procedimento di standardizzazione

c'è una divisione per (n-1) e una per n