Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Look up keyword
Like this
4Activity
0 of .
Results for:
No results containing your search query
P. 1
Intervalli di confidenza 2

Intervalli di confidenza 2

Ratings: (0)|Views: 481|Likes:
Published by Edomrg

More info:

Published by: Edomrg on Mar 09, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/08/2010

pdf

text

original

 
Intervalli di confidenza
Francesco Lagona
1 Introduzione
Questa dispensa riassume schematicamente i principali risultati discussi alezione sulla costruzione di intervalli di confidenza.
2 Intervalli di confidenza per la media di unapopolazione
Supponiamo di aver a che fare con una variabile statistica quantitativa
chesi distribuisce nella popolazione di riferimento con media
µ
e varianza
σ
2
. Sidesidera costruire un intervallo di confidenza per
µ
al livello 1
α
sulla basedi un campione casuale semplice(
x
1
...x
n
)di dimensione
n
.`E necessario distinguere il caso in cui la varianza dellapopolazione
σ
2
`e nota da quello in cui tale varianza `e incognita.
2.1 Varianza nota
Si tratta di un caso abbastanza raro nelle applicazioni, ma in certe circostanze`e possibile che indagini precedenti a quella effettuata rendano possibile unaconoscenza esatta della varianza
σ
2
. La costruzione di un intervallo di confi-denza per
µ
sotto l’assunzione di varianza nota, si basa sul seguente risultato:la
media campionaria
¯
x
=1
n
n
i
=1
x
i
`e una variabile aleatoria che si distribuisce approssimativamente come unanormale
(
µ,σ
2
n
)1
 
e tale approssimazione migliora all’aumentare della dimensione campionaria
n
.Se dunque usiamo la media campionaria come stimatore della media dellapopolazione, il fatto che la sua distribuzione sia centrata sul valore vero delparametro
µ
indica che ¯
x
`e uno stimatore non distorto. Inoltre, il rapporto
σ
2
n
misura la precisione dello stimatore: come ci si potrebbe aspettare, taleprecisione `e tanto minore quanto pi`u elevata `e la varianza
σ
2
e tanto maggiorequanto pi`u elevata `e la dimensione campionaria
n
.In taluni casi, la variabile
si distribuisce esattamente come una nor-male: solo in queste circostanze ¯
x
si distribuisce esattamente secondo lanormale
(
µ,σ
2
/n
). In tutti gli altri casi, la distribuzione della mediacoampionaria `e solo approssimata e dunque i risultati che seguono valgo-no in modo approssimato, sebbene `e importante ricordare che la qualit`adell’approssimazione migliora al crescere di
n
.Dal fatto che ¯
x
(
µ,σ
2
/n
), si deduce che¯
x
µ
 
σ
2
n
(0
,
1)
.
Per ogni valore di probabilit`a 1
α
, possiamo allora scrivere che
(
z
α/
2
¯
x
µ
 
σ
2
n
z
α/
2
) = 1
α
dove
z
α/
2
`e il quantile della normale di ordine 1
α/
2, ovvero il punto chesi lascia a sinistra un’area sotto la normale pari a 1
α/
2. Ad esempio, se1
α
= 0
.
95, allora
z
α/
2
= 1
.
96 (il calcolo del quantile
z
α/
2
corrispondenteal livello di probabilit`a 1
α
va compiuto usando le opportune tavole o unPC).Un intervallo di confidenza pu`o allora essere costruito sulla base dellaseguente catena di uguaglianze:1
α
=
(
z
α/
2
¯
x
µ
 
σ
2
n
z
α/
2
) = 1
α
=
(
z
α/
2
 
σ
2
n
¯
x
µ
z
α/
2
 
σ
2
n
)=
(
¯
x
z
α/
2
 
σ
2
n
µ
¯
x
+
z
α/
2
 
σ
2
n
)=
x
z
α/
2
 
σ
2
n
µ
¯
x
+
z
α/
2
 
σ
2
n
)2
 
In altre parole, `e approssimativamente uguale a 1
α
la probabilit`a che i dueestremi dell’intervallo
¯
x
z
α/
2
 
σ
2
n,
¯
x
+
z
α/
2
 
σ
2
n
contengano il valore “vero” della media
µ
della popolazione.Quello appena costruito `e un
intervallo di confidenza
per la media
µ
allivello 1
α
. Il valore 1
α
indica il livello di copertura fornito dall’intervallo:esiste sempre una probabilit`a pari ad
α
che i dati campionari provengano dauna popolazione con una media che si trova al di fuori dell’intervallo.Si osservi che l’intervallo che abbiamo costruito `e centrato sulla stimapuntuale della media ¯
x
e ha un “raggio” pari a
z
α/
2
 
σ
2
n
la cui lunghezza dipende sia dal livello di copertura desiderato (da cui dipendeil quantile
z
α/
2
), sia dal grado di precisione dello stimatore misurato dallaquantit`a
 
σ
2
n
meglio nota come
errore standard
della stima.Come applicazione numerica, consideriamo il seguente esempio.
Esempio
Da informazioni derivanti da una precedente analisi, si sa che ladurata delle telefonate che arrivano ad un
call center 
si distribuisce con unavarianza pari a
σ
2
= 16 minuti quadrati. Si vuole calcolare un intervallo diconfidenza al livello 1
α
= 0
.
95 per la durata media delle telefonate. Atale scopo, si estrae un campione di
n
= 10 telefonate che fornisce le seguentidurate:7
.
36
,
11
.
91
,
12
.
91
,
9
.
77
,
5
.
99
,
10
.
91
,
9
.
57
,
11
.
01
,
6
.
11
,
12
.
12Il calcolo dell’intervallo desiderato `e a questo punto piuttosto semplice: sicalcola dapprima la media campionaria ed il suo errore standard¯
x
= 9
.
766
 
σ
2
n
=
 
1610=1
.
265Se inoltre 1
α
= 0
.
95, il quantile desiderato `e dato da
z
0
.
025
= 1
.
963

Activity (4)

You've already reviewed this. Edit your review.
1 thousand reads
1 hundred reads
ampquot liked this
nofacebook liked this

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->