1 / 11

Stime per intervalli

Stime per intervalli. Oltre al valore puntuale di una stima, è interessante conoscere qual è il margine di errore connesso alla stima stessa. Si possono stabilire dei limiti entro i quali si ha una confidenza (1- ) che vi sia compreso il vero valore del parametro nella popolazione .

guillermina
Download Presentation

Stime per intervalli

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Stime per intervalli Oltre al valore puntuale di una stima, è interessante conoscere qual è il margine di errore connesso alla stima stessa. Si possono stabilire dei limiti entro i quali si ha una confidenza (1-) che vi sia compreso il vero valore del parametro nella popolazione. Questi limiti si chiamano LIMITI FIDUCIALI, e l’intervallo che definiscono si chiama INTERVALLO FIDUCIALE o INTERVALLO DI CONFIDENZA

  2. Stime per intervalli Una stima del parametro fatta da un campione, corredata dai suoi limiti fiduciali, è detta STIMA PER INTERVALLI. I valori usuali di  sono 0,01; 0,05; 0,1, che danno luogo a intervalli fiduciali o intervalli di confidenza rispettivamente del 99; 95; 90%. Per definire un intervallo di confidenza si utilizzano le distribuzioni campionarie.

  3. Intervallo di confidenza di una media ( noto) • Si estrae un campione di numerosità n per stimare la media. Della popolazione si conosce la deviazione standard . • Facciamo riferimento alla distribuzione delle medie campionarie. • La media del campione appartiene alla popolazione di medie campionarie che ha: • distribuzione normale • stessa media della popolazione di partenza • deviazione standard = /n. • Si tratta, in questa distribuzione normale, di individuare l’intervallo che esclude /2 per lato. • Questo intervallo avrà probabilità 1- di includere la vera media della popolazione.

  4. poiché: P [ - Z/2 (/n)    + Z/2 (/n)] = (1- ) Allora: P [ - Z/2 (/n)    + Z/2 (/n)]= (1- ) Intervallo di confidenza di una media ( noto) Se  è noto si fa riferimento alla distribuzione z (= 0 e =1) Con: Definito un grado di confidenza 1-,

  5. P [ - 1,96 (/n)    + 1,96 (/n)]= 0,95 Intervallo di confidenza di una media ( noto) Se ad esempio il grado di confidenza 1- = 0,95 Z/2 = 1,96 Quindi l’intervallo di confidenza della media sarà: Valori critici usuali di Z/2 sono: Z0.05 = 1.64 (per confidenza del 90%) Z0.025 = 1.96 (per confidenza del 95%) Z0.005 = 2.57 (per confidenza del 99%)

  6. Intervallo di confidenza di una media ( noto) Z/2 (/n) è la quantità che viene aggiunta e sottratta alla media campionaria per avere l’intervallo. Si chiama massimo errore di stima, ed è un indicatore della precisione della stima. A parità di  i limiti fiduciali si restringono all’aumentare di:  (e quindi al diminuire del grado di confidenza) si esclude un’area di curva maggiore ma aumenta la possibilità che i limiti non contengano il vero  n non vi sono controindicazioni, se non il costo o l’onere di un campione più grande

  7. Gli intervalli fiduciali saranno più “larghi” di quelli con  nota, poiché vi sono due stime ( e s) soggette a fluttuazioni campionarie. Intervallo di confidenza di una media ( ignoto) Dal campione si deve stimare la media e la deviazione standard. Non si può usare la distribuzione di z, poiché per usare z occorre conoscere . Si usa quindi la distribuzione di t. con: Analogamente a quanto visto, i limiti fiduciali per una confidenza 1- saranno dati da: Dove la distribuzione di t è quella per (n-1) GL

  8. Intervallo di confidenza di una media ( ignoto) ESEMPIO Avendo rilevato produzioni di un pascolo si sono ottenuti i seguenti valori (t ha-1 di sostanza secca): 3.6; 4.3; 4.8; 3.3; 3.2; 2.8; 4.1; 4.8; 3.3. Calcolare la produzione media ed i suoi limiti fiduciali al 90%, al 95% e al 99% Soluzione

  9. Intervallo di confidenza di una proporzione Una distribuzione binomiale, se ci si riferisce alle proporzioni di successi, è caratterizzata da: Media (valore atteso): =p Varianza: 2= p(1-p) La proporzione di successi del campione, se n è sufficiente, è una variabile casuale con distribuzione approssimativamente normale e: Media = p Varianza = p(1-p)/n

  10. Intervallo di confidenza di una proporzione Se n è sufficientemente grande: Ha distribuzione della normale standardizzata Dove è la proporzione campionaria di successi, trovata con un campione di numerosità n. Definita una confidenza 1-  posso quindi calcolare l’intervallo di confidenza come: (sostituendo la stima di p nella formula)

  11. Esempio intervallo di confidenza di una proporzione In un sondaggio elettorare su 150 intervistati 84 (cioè 56%) hanno dichiarato di votare per il partito A. Si vuole costruire l’intervallo di confidenza al 99%. Il limite inferiore sarà 0,456 e quello superiore 0,664

More Related