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 ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
La quantità 1 − β è poi detta la potenza <strong>del</strong> test; questa ovviamente è la probabilità <strong>di</strong> rifiutare H 0<br />
quando questa ipotesi è falsa. Nella scelta <strong>di</strong> un test, si cerca <strong>di</strong> minimizzare la significatività α e<br />
<strong>di</strong> massimizzarne la potenza; queste due esigenze sono contrastanti, pertanto occorre in<strong>di</strong>viduare un<br />
punto <strong>di</strong> equilibrio. Dal momento che l’errore <strong>del</strong> I tipo è ritenuto più grave <strong>di</strong> quello <strong>del</strong> <strong>II</strong> tipo,<br />
spesso prima si fissa α, e successivamente si cerca <strong>di</strong> in<strong>di</strong>viduare un test che massimizzi la potenza<br />
(ovvero minimizzi β).<br />
Un Esempio. Diversi test sono costruiti ricollegandosi alle stime intervallari; la regione critica è<br />
spesso rappresentata da una o due code. Ripren<strong>di</strong>amo l’esempio già visto <strong>di</strong> una variabile aleatoria X<br />
avente <strong>di</strong>stribuzione normale <strong>di</strong> me<strong>di</strong>a µ incognita e varianza σ 2 nota. Poniamo Y n (ω, µ) := ( ¯X n (ω) −<br />
µ) √ n/σ 56 mettendo in evidenza anche la <strong>di</strong>pendenza dall’incognita µ ∈ R. Come sappiamo, Y n (·, µ)<br />
ha <strong>di</strong>stribuzione normale standard. Fissato un valore µ 0 , consideriamo le ipotesi<br />
H 0 : µ = µ 0 , H A : µ ≠ µ 0 , (7.7)<br />
e fissiamo un livello <strong>di</strong> significatività α ∈ ]0, 1[. Per ogni β ∈ ]0, 1[, sia z β il quantile <strong>di</strong> or<strong>di</strong>ne β <strong>del</strong>la<br />
<strong>di</strong>stribuzione normale standard. Si noti che<br />
P(|Y n (·, µ)| ≤ z 1−α/2 | H 0 ) = P(|Y n (·, µ 0 )| ≤ z 1−α/2 );<br />
inoltre, in seguito a [B, p. 98], per ogni variabile aleatoria Z,<br />
Pertanto<br />
P(|Z| ≤ z 1−α/2 ) = P(Z ≤ z 1−α ) = 1 − α.<br />
P(|Y n (·, µ)| > z 1−α/2 | H 0 ) = 1 − P(|Y n (·, µ 0 )| ≤ z 1−α/2 ) = 1 − (1 − α) = α.<br />
Effettuato un campionamento 57 si respinge quin<strong>di</strong> l’ipotesi H 0 (ovvero si accetta l’ipotesi H A ) se<br />
e solo se |Y n (ω, µ 0 )| > z 1−α/2 ; ovvero, posto ¯x n = ¯X n (ω),<br />
si rifiuta H 0 al livello <strong>di</strong> significatività α ⇔<br />
σ<br />
µ 0 < ¯x n − z 1−α/2 √n σ<br />
oppure µ 0 > ¯x n + z 1−α/2<br />
√n .<br />
(7.8)<br />
Ad esempio per α = 0.05, z 1−α/2 = z 0.975 (≃ 1.96 [B, p. 134]); pertanto<br />
si rifiuta H 0 al livello <strong>di</strong> significatività 0.05 ⇔<br />
σ<br />
µ 0 < ¯x n − z 0.975 √n σ<br />
oppure µ 0 > ¯x n + z 0.975<br />
√n .<br />
(7.9)<br />
La regione critica è quin<strong>di</strong> l’unione <strong>di</strong> due semirette:<br />
] σ [ ]<br />
σ [<br />
C = − ∞, ¯x n − z 0.975 √n ∪ ¯x n + z 0.975 √n , +∞ .<br />
Nel caso in cui la varianza non fosse stata nota, allora avremmo proceduto come abbiamo visto<br />
alla fine <strong>del</strong> paragrafo precedente. Ovvero, avremmo sostituito la deviazione standard σ con la deviazione<br />
standard campionaria s n , ed il quantile normale z 1−α/2 con il corrispondente quantile <strong>del</strong>la<br />
<strong>di</strong>stribuzione t(n − 1) <strong>di</strong> Student (pure tabulato in [B, p. 135]). Quest’ultima quin<strong>di</strong> sarebbe stata la<br />
nostra <strong>di</strong>stribuzione pivotale.<br />
Se la legge campionata non fosse stata normale, ma il campione fosse stato comunque abbastanza<br />
ampio, grazie al teorema limite centrale avremmo potuto approssimare quella legge con una normale,<br />
e quin<strong>di</strong> utilizzare la procedura testé descritta.<br />
56 Questa non è una statistica. Tuttavia sostituiremo µ con un valore µ 0 ∈ R, ottenendo la statistica Y n(ω, µ 0).<br />
57 Come sappiamo, nel formalismo probabilistico-statistico questo è rappresentato dalla scelta <strong>di</strong> un ω ∈ Ω.<br />
34