Esercizi su intervalli di confidenza

Statistica corso C - a.a. 2020/21

Prof. Stefano Marchetti

Esercizio 1
A partire da un campione casuale di pezzi prodotti da una macchina si sono rilevate le seguenti
lunghezze in mm: 201, 200, 205, 209, 212, 214, 208, 210, 207. E’ noto che la lunghezza dei pezzi
in questione si distribuisce normalmente.

1. Calcolare l’intervallo di confidenza al livello del 95% per la media

2. Supponendo che la varianza sia nota e pari a 20 mm2 , si calcoli la numerosità campionaria
necessaria affinché l’intervallo di confidenza per la media al 95% abbia livello di precisione
±0.75 mm

Esercizio 1 - soluzione
1. Calcolare l’intervallo di confidenza al livello del 95% per la media
Poniamo X=“lunghezza” dei pezzi in questione. Poiché X ∼ N ma la varianza non è
nota, la costruzione dell’intervallo di confidenza si basa sulla distribuzione t di Student
con n-1 gradi di libertà:
S S
P (X̄ − tn−1;α/2 √ ≤ µ ≤ X̄ + tn−1;α/2 √ ) = 1 − α
n n

Si ha:
201 + 200 + 205 + 209 + 212 + 214 + 208 + 210 + 207
x̄ = = 207.33
9
la stima dello scarto quadratico medio risulta
v
u
u 1 X 9 r
1
s= t (xi − x̄)2 = × 176.001 = 4.69
n − 1 i=1 8

ed il valore della t:
tn−1;α/2 = t8;0.025 = 2.306
Quindi l’intervallo di confidenza risulta pari a:
4.69 4.69
[207.33 − 2.306 × √ ; 207.33 + 2.306 × √ ]
9 9
da cui
[203.725; 210.935]

1
 2. Supponendo che la varianza sia nota e pari a 20 mm2 , si calcoli la numerosità campionaria
necessaria affinché l’intervallo di confidenza per la media al 95% abbia livello di precisione
±0.75 mm
Se la varianza è nota, poiché sapevamo già che X ∼ N , la media campionaria ha anch’essa
distribuzione normale. Allora, la precisione dell’intervallo di confidenza (che coincide con
la semi-ampiezza dell’intervallo stesso) risulta essere pari a:
σ
√ zα/2
n
Impostiamo allora con le grandezze stabilite dall’esercizio, lasciando n come incognita:
√
20
0.75 = √ × 1.96
n
da cui
20
0.752 = × 1.962
n
ovvero
20
n= × 1.962 = 136.6 → n = 137
0.752

Esercizio 2
Una v.c. X si distribuisce come una v.c. Normale con varianza pari a 80 in una popolazione
di N=300 unità. Disponendo di un campione casuale semplice senza reimmissione, quale deve
essere la numerosità campionaria per avere una precisione di ±3 con un livello di confidenza
del 95%?

Esercizio 2 - soluzione
Poichè il campionamento casuale è senza reimmissione, in questo caso la media campionaria
ha distribuzione
σ2 N − n
  
X̄ ∼ N µ,
n N −1
Dobbiamo quindi cercare n tale che
r
σ N −n
3= √ zα/2
n N −1
ovvero s
N −n
3=σ zα/2
n(N − 1)
da cui
N −n 2
32 = σ 2 z
n(N − 1) α/2

300 − n
9 = 80 × × 1.962
n × 299

9 × 299 300 − n
=
80 × 1.962 n

9 × 299 300
= −1
80 × 1.962 n

2
 9 × 299 300
+1=
80 × 1.962 n
e alla fine si ottiene
300
n= 9×299 ≈ 31.
80×1.962 +1

Esercizio 3
Si vuole conoscere la proporzione di studenti di scuola superiore che bevono abitualmente
bevande gassate. A tal fine si estrae un campione casuale di 500 studenti da cui risultano 280
bevitori abituali. Usare una fiducia del 97%.

Esercizio 3 - Soluzione
Sia X la variabile casuale “studenti che bevono abitualmente bevande gassate”, poiché lo spazio
campionario S = {Si, N o}, si ha X ∼ Ber(π), con P (Si) = P (X = 1) = π. Il parametro π è
sconosciuto e deve essere stimato sulla base di un campione casuale.
Dalla teoria della probabilità sappiamo che la variabile casuale proporzione (media) cam-
pionaria P ∼ N (π, π(1 − π)/n) se n è sufficientemente grande (come nel nostro caso, n =
500)
Posto 1 − α = 0.97, l’intervallo di confidenza prima di osservare il campione risulta:
r r
 π(1 − π) π(1 − π) 
P P − z0.03/2 ≤ π ≤ P + z0.03/2 = 0.97 .
n n
Poiché la varianza π(1 − π) è sconosciuta si ricorre ad una ulteriore approssimazione:
r r
 P(1 − P) P(1 − P) 
P P − z0.03/2 ≤ π ≤ P + z0.03/2 = 0.97 .
n n
Essendo il campione grande grazie alla legge dei grandi numeri sappiamo che una realizzazione
p(1 − p) approssima π(1 − π).
Il valore di z0.03/2 non può essere letto sulla tabellina riassuntiva di quantili specifici pre-
sente sulle tavole della normale standard, poiché non è presente. Tuttavia lo si può ricavare
come un qualunque quantile usando i valori tabulati per Φ(z), infatti

z0.03/2 = z0.015 : 1 − Φ(z0.015 ) = 0.015 ,

cioè quel valore che lascia a destra un’area di 0.015 e a sinistra un’area di 1 − 0.015 = 0.985,
dunque il quantile di ordine 0.985 (QZ 0.985 ). Utilizzando le tavole della normale standard si
trova che Φ(2.17) = 0.985. Quindi il valore che lascia a destra 0.015 è QZ 0.985 = z0.015 = 2.17.
La proporzione campionaria osservata è p = 280 500 = 0.56, quindi l’intervallo di confidenza
osservato è: r
h 0.56 · 0.44 i
IC0.97 0.56 ± 2.17 .
500

Esercizio 4
Una certa bilancia effettua misurazioni con un errore uniformemente distribuito (con parametri
sconosciuti). Per stimare l’errore medio si utilizza un campione di 1000 misurazioni, dalle quali
risulta una media (campionaria) di −0.3g e una deviazione standard corretta (campionaria)
di 0.1g. Fornire un intervallo di confidenza per la media dell’errore commesso dalla bilancia
usando una fiducia del 95%.
Se il campione fosse stato di 10 osservazioni, avremmo potuto usare la stessa metodologia?

3
Esercizio 4 - Soluzione
Posto X la variabile casuale “errore nella misurazione del peso”, risulta X ∼ U (a, b), con a
e b sconosciuti. Dobbiamo stimare E[X] = µ (che è (a + b)/2, ma in questo frangente non
ci interessa) sulla base di un campione casuale di n = 1000 misurazioni (unità statistiche).
Dato che abbiamo un campione molto grande possiamo applicare il teorema del limite centrale
per la distribuzione
√ della media campionaria, che riulterà approssimativamente normale, X̄ ∼
N (µ, σ/ n). Purtroppo σ 2 non è un valore noto, ma in virtù di un campione molto grande (e
2
pnumeri) lo possiamo sostituire con la sua stima campionaria s . Dunque
della legge dei grandi
avremo X̄ ∼ N (µ, s2 /n) e l’intervallo di confidenza a livello di fiducia del 95% prima di
osservare il campione sarà:
 s s 
P X̄ − z0.025 √ ≤ µ ≤ X̄ − z0.025 √ = 0.95
n n

dove s, la realizzazione (ancora ignota) di S sostituisce σ (la deviazione standard di X, che

ricordiamo essere (a − b)2 /12).
Dal campione di 1000 misurazioni risulta x̄ = −0.3 e s = 0.1. Dalle tavole della funzione
di ripartizione della normale standard troviamo z0.025 = QZ 0.975 = 1.96. La realizzazione
dell’intervallo di confidenza è:
h 0.1 i
IC0.95 − 0.3 ± 1.96 √ .
1000
Se il campione fosse stato di n = 10 osservazioni non avremmo potuto applicare il teorema
del limite centrale, quindi la metodologia usata non produrrebbe un’inferenza valida.