Note del corso di Analisi II (parte di calcolo delle probabilita' e ...
Note del corso di Analisi II (parte di calcolo delle probabilita' e ...
Note del corso di Analisi II (parte di calcolo delle probabilita' e ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Questo significa che, osservato un campione (x 1 , ..., x n ) = (X 1 (ω), ..., X n (ω)) e posto ¯x n := 1 n<br />
∑ ni=1<br />
x i ,<br />
50 siamo confidenti allo 1 − α (ovvero al 100(1 − α)%...) che valga la seguente stima bilatera per la<br />
me<strong>di</strong>a µ: 51<br />
¯x n − z 1−α/2<br />
σ √n < µ < ¯x n + z 1−α/2<br />
σ √n ovvero |µ − ¯x n | < z 1−α/2<br />
σ √n . (6.25)<br />
Ad esempio, per α = 0.05 dalle tavole dei quantili <strong>del</strong>la <strong>di</strong>stribuzione normale standard [B, p. 134]<br />
ricaviamo che il quantile 1 − α/2 = 0.975 vale circa 1.96, ovvero z 0.975 ≃ 1.96.<br />
In seguito al Teorema Limite Centrale, questo risultato si applica anche se la variabile aleatoria X<br />
non ha <strong>di</strong>stribuzione normale, purché il campione sia sufficientemente ampio: più ampio è il campione,<br />
migliore è l’approssimazione.<br />
Se la varianza <strong>di</strong> X non fosse stata nota, avremmo sostituito la deviazione standard σ con la<br />
deviazione standard campionaria s n , e la <strong>di</strong>stribuzione t(n − 1) <strong>di</strong> Student sarebbe stata la nostra<br />
<strong>di</strong>stribuzione pivotale. Avremmo quin<strong>di</strong> dovuto sostituire il quantile normale standard z 1−α/2 con il<br />
corrispondente quantile t 1−α/2,n−1 <strong>di</strong> Student (pure tabulato in [B, p. 135]):<br />
( s n<br />
P ¯Xn − t 1−α/2,n−1 √ < µ < ¯X n + t n 1−α/2,n−1<br />
s n<br />
√ n<br />
)<br />
= 1 − α. (6.26)<br />
Stime <strong>del</strong>la Varianza. Sia (X 1 , ..., X n ) un campione aleatorio avente <strong>di</strong>stribuzione normale <strong>di</strong> me<strong>di</strong>a<br />
µ nota; vogliamo stimarne la varianza. Posto ancora Z i := (X i − µ)/σ ∼ N(0, 1), otteniamo<br />
1<br />
σ 2<br />
Fissiamo un livello <strong>di</strong> confidenza 1 − α.<br />
<strong>di</strong>stribuzione χ 2 (n), abbiamo allora<br />
ovvero<br />
∑ n n∑<br />
(X i − µ) 2 = Zi<br />
2<br />
i=1<br />
i=1<br />
(6.21)<br />
∼ χ 2 (n). (6.27)<br />
Denotando ρ α,n (≥ 0) il quantile <strong>di</strong> or<strong>di</strong>ne α <strong>del</strong>la<br />
P<br />
(ρ α/2,n < 1 ∑ n )<br />
σ 2 (X i − µ) 2 < ρ 1−α/2,n = 1 − α,<br />
i=1<br />
( ∑ n<br />
P i=1 (X i − µ) 2 ∑ ni=1<br />
< σ 2 (X i − µ) 2 )<br />
<<br />
= 1 − α. (6.28)<br />
ρ 1−α/2,n ρ α/2,n<br />
Ovviamente questa stima può anche essere espressa in termini <strong>del</strong>la varianza campionaria (con me<strong>di</strong>a<br />
nota), ovvero <strong>di</strong> 1 n<br />
∑ ni=1<br />
(X i − µ) 2 .<br />
In seguito al Teorema Limite Centrale, questo risultato si applica anche se la variabile aleatoria X<br />
non ha <strong>di</strong>stribuzione normale, purché il campione sia sufficientemente ampio.<br />
Se la me<strong>di</strong>a µ <strong>di</strong> X non fosse stata nota, l’avremmo sostituita con la me<strong>di</strong>a campionaria ¯X n nella<br />
(6.27), perdendo un grado <strong>di</strong> libertà. Il teorema <strong>di</strong> Cochran avrebbe infatti fornito<br />
e quin<strong>di</strong><br />
( (n − 1)s<br />
2 ) n 1 ∑ n<br />
σ 2 =<br />
σ 2 (X i − ¯X n ) 2 (6.23)<br />
∼ χ 2 (n − 1), (6.29)<br />
i=1<br />
( ∑ n<br />
P i=1 (X i − ¯X n ) 2 ∑ ni=1<br />
< σ 2 (X i −<br />
<<br />
¯X n ) 2 )<br />
= 1 − α. (6.30)<br />
ρ 1−α/2,n−1 ρ α/2,n−1<br />
Sintesi. Riassumendo, queste sono le <strong>di</strong>stribuzioni pivotali che abbiamo utilizzato per stimare la<br />
me<strong>di</strong>a o la varianza <strong>di</strong> un campione normale, oppure <strong>di</strong> un campione tanto ampio da consentire l’uso<br />
<strong>del</strong> Teorema Limite Centrale:<br />
50 Solitamente si usano lettere maiuscole per in<strong>di</strong>care le variabili aleatorie, e quelle minuscole per rappresentare i<br />
corrispondenti campionamenti. Quin<strong>di</strong> ad esempio i valori assunti dalla variabile aleatoria X sono in<strong>di</strong>cati con x.<br />
51 Con scrittura più ingegneristica che matematica, qualcuno scriverebbe µ = ¯x n ± z 1−α/2 σ/ √ n.<br />
31