Statistica Sociale e Criminale
(12 CFU)
A.A. 2015/2016
CdL Sociologia e Criminologia
Simone Di Zio
Dove siamo…
MODULO 3. L’Inferenza statistica
3.1 Probabilità e variabili casuali
3.2 Le tecniche di campionamento
3.3 Inferenza da “Esperimento statistico”
3.4 Inferenza da “Popolazioni finite”
Unità statistica.
Popolazione o collettivo statistico
Popolazione finita o infinita
L’indagine statistica una serie di fasi
Ci sono dei casi in cui non si possono osservare tutte le unità (impossibile, oppure
possibile ma troppo costoso).
In questi casi si ricorre a un numero limitato di unità statistiche
Per cui non potendo analizzare tutta la popolazione si ricorre ad un suo
sottoinsieme, che prende il nome di campione.
Se si studia un campione l’indagine che ne deriva si dice indagine campionaria
(in contrapposizione all’indagine totale o censuaria)
Fatta l’indagine campionaria si traggono delle conclusioni sul tutto
(procedimento induttivo)
Aristotele sosteneva che l'induzione fosse «il procedimento che dai particolari porta all’universale».
Il campionamento è l’insieme delle procedure che portano alla selezione delle
unità statistiche che formano il campione.
Mentre la popolazione rimane l’oggetto da conoscere, da esplorare, il campione è
lo strumento utilizzato per il raggiungimento di tale fine. Questo procedimento di
generalizzazione, di induzione, si chiama inferenza statistica.
CAMPIONAMENTO
Strumenti e le procedure di selezione
delle unità della popolazione (tecniche
di campionamento)
INFERENZA
Metodologie per definire come i
risultati ottenuti dallo studio del
campione
possano
essere
generalizzati alla popolazione
Popolazione finita:
si può scegliere fra indagine totale o campionaria
Popolazione infinita: può essere studiata solo tramite un campione
Vantaggi
Indagine
Totale
Indagine
Campionaria
Maggiore accuratezza nei risultati
Costo ridotto
Tempi brevi di preparazione
Tempi brevi di esecuzione
Tempi brevi di elaborazione dei
dati
Maggiore dettaglio di
informazioni
Semplicità nella gestione dei dati
È sempre possibile
Svantaggi
Costo elevato
Tempi elevati di preparazione
Tempi elevati di esecuzione
Tempi elevati di elaborazione dei
dati.
Minore dettaglio di informazioni.
Complessità nella gestione dei dati
Non è sempre possibile
Minore accuratezza nei risultati
Il campionamento è il procedimento attraverso il quale si estrae da una
popolazione un numero finito di unità statistiche (campione) secondo criteri
scientifici tali da consentire la generalizzazione dei risultati dell’analisi all’intera
popolazione (inferenza).
Popolazione
Campionamento
𝑁 = 15
Campione
Inferenza
𝑁 (enne grande) la numerosità della popolazione
𝑛 (enne piccolo) la numerosità del campione.
𝑛=3
Con il campionamento si estraggono 𝑛 unità statistiche fra le 𝑁 unità che
compongono la popolazione e l’insieme degli 𝑛 casi scelti costituisce il campione.
La popolazione rimane l’oggetto da conoscere, mentre il campione rappresenta lo
strumento per mezzo del quale si arriva a tale conoscenza.
La frazione di campionamento è una proporzione che indica “quanto è grande il
campione” rispetto alla popolazione:
𝑛
𝑓=
𝑁
𝑛
3
𝑓= =
= 0,2
𝑁 15
Vogliamo conoscere l’età media di tutti gli studenti universitari italiani
Indagine Totale
Indagine Campionaria
Rilevare l’età di tutti gli studenti e Si estrae un campione di studenti, poi si
poi calcolare la media aritmetica.
calcola l’età media all’interno di tale
campione.
Risultato
Risultato
Valore esatto del parametro Non è il valore esatto che si vuole sapere
oggetto di studio, cioè l’età media ma una sua approssimazione che
della popolazione.
tecnicamente si chiama stima.
Per ottenere una stima si utilizza una
funzione matematica dei dati del
campione, e tale funzione prende il nome
di stimatore.
𝑛
𝑁
1
𝜇 = ∑ 𝑥𝑖
𝑁
𝑖=1
𝑋̅ =
1
∑ 𝑥𝑖
𝑛
𝑖=1
In genere, data una variabile quantitativa 𝑋 osservata su una popolazione finita
di 𝑁 unità statistiche, si ha:
Popolazione
Campione
Media della popolazione
Media campionaria
𝑛
1
̅
𝑋 = ∑ 𝑥𝑖
𝑛
𝑁
1
𝜇 = ∑ 𝑥𝑖
𝑁
𝑖=1
Varianza della popolazione
𝑁
1
𝜎 = ∑(𝑥𝑖 − 𝜇)2
𝑁
2
𝑖=1
𝑖=1
Varianza campionaria
𝑛
1
2
𝑆 = ∑(𝑥𝑖 − 𝑋̅)2
𝑛
𝑖=1
La stima effettuata sul campione contiene un errore che tecnicamente si chiama
errore di campionamento.
Quando il campione è scelto con una procedura casuale allora la statistica ci offre
gli strumenti per quantificare tale errore.
𝑛
̅=
STIMATORE 𝑋
1
∑ 𝑥𝑖
𝑛
𝑖=1
𝜇 = 24
Cam
pione
Popola
zione
STIMA
𝑋̅ = 25
𝑋̅ = 𝑑𝑎 23 𝑎 27
p=0,95
INFERENZA (induzione)
Calcolo dell’errore
campionario
La generalizzazione non è la semplice estensione del risultato campionario (25) alla
popolazione, ma bisogna calcolare anche un margine di errore (∓2) entro il quale la stessa
grandezza della popolazione può essere inclusa con una data probabilità (95%).
Regola di selezione delle
unità statistiche della
popolazione.
Campionamento
Uso o meno un criterio
di scelta ad estrazione
casuale
Probabilistico
Non probabilistico
Uso o meno delle
probabilità di estrazione di
ogni unità statistica
basata su una specifica
distribuzione di probabilità
prescinde da una
distribuzione di probab.
INFERENZA SI’
INFERENZA NO
Casuale è diverso da “a casaccio”
Anche la partecipazione volontaria delle unità non può rientrare nell’ambito del
caso.
(nei sondaggi televisivi partecipano, volontariamente, solo alcuni degli spettatori
che in quel momento hanno scelto quel programma e che hanno voglia di
telefonare.)
Quindi i campioni dei sondaggi televisivi non sono campioni probabilistici.
campionamenti
probabilistici
• ciascuna unità statistica della
popolazione ha una probabilità nota
di entrare a far parte del campione.
Passaggi importanti:
1. Individuare lo spazio campionario (Ω): insieme di tutti i possibili campioni
estraibili da una popolazione, una volta stabilita la tecnica di estrazione.
2. Definire la probabilità di ogni campione in esso contenuto. La probabilità
del generico campione 𝑐 dello spazio campionario (𝑐 ∈ Ω) è 𝑝(𝑐 ).
3. Una volta definito Ω e tutte le relative probabilità 𝑝(𝑐 ) si ha un piano di
campionamento.
La probabilità associata ad ogni
singolo campione
𝑝 (𝑐 )
Si possono avere due diversi
𝑝(𝑖) siano costanti o variabili:
Probabilità che una determinata unità
statistica 𝑖 entri a far parte del
campione
𝑝 (𝑖 )
casi,
a
seconda
che
le
probabilità
a) campionamenti probabilistici con probabilità costanti: le probabilità di
estrazione di ogni unità statistica sono uguali per tutte le unità della popolazione;
b) campionamenti probabilistici con probabilità variabili: le probabilità di
estrazione sono diverse.
Le unità statistiche hanno tutte la stessa probabilità di essere incluse nel
campione.
La popolazione, mano a mano che si estraggono le varie unità, rimane sempre
la stessa, cioè si compone sempre di 𝑁 unità.
Il numero di campioni ordinati con numerosità 𝑛 estraibili con questa tecnica
(da una popolazione finita) è dato da
𝑁𝑛
Il numero di campioni non ordinati è dato da
(𝑁+𝑛−1)!
.
𝑛!(𝑁−1)!
Le unità statistiche hanno tutte la stessa probabilità di essere estratte.
Ogni unità statistica può comparire nel campione una sola volta.
La popolazione, a ogni estrazione, si riduce di una unità:
dopo la prima estrazione rimangono 𝑁 − 1 unità
dopo la seconda rimangono 𝑁 − 2 unità,
ecc.
1
7
11
9
10
6
2
8
3
5
12
4
13
17
15
14
18
19
16
20
Unità della popolazione non estratte
Unità campionarie
𝑁 = 20 - 𝑛 = 6 - 𝑓 = 0.3
Il numero di campioni ordinati di numerosità 𝑛 estraibili da una popolazione
finita è dato da
𝑁!
(𝑁 − 𝑛 )!
mentre il numero di campioni non ordinati è dato da
𝑁!
𝑛! (𝑁 − 𝑛)!
𝑁
Questa formula corrisponde al coefficiente binomiale ( ).
𝑛
La popolazione è divisa in un certo numero di sottopopolazioni, dette strati.
Al loro interno contengono delle unità che sono simili fra loro rispetto a una o
più caratteristiche definite dal ricercatore.
Da ogni strato si estrae un campione casuale semplice.
Si ottengono tanti piccoli campioni quanti sono gli strati e ogni piccolo campione
può avere una numerosità diversa dagli altri.
Infine tutte le unità estratte da ogni strato vengono messe insieme a formare il
campione vero e proprio.
Studiare il fenomeno del tifo calcistico.
Un gruppo di 1000 ragazzi (𝑁 = 1000).
La popolazione è divisa in 10 sottopopolazioni (strati):
Ogni strato è composto da ragazzi che tifano la stessa squadra.
Si procede all’estrazione di 8 unità da ogni strato (mediante scelta casuale
semplice senza ripetizione).
Il campione finale sarà formato da 𝒏 = 𝟖𝟎 ragazzi (8 unità per 10 strati)
Spesso gli strati sono delle aree geografiche (es. province, comuni, …)
Strato 1
Strato 2
1
Strato 3
1
2
1
2
2
3
3
3
4
4
5
5
4
5
7
6
6
Unità della popolazione non estratte
7
6
Unità campionarie
𝑁 = 20 - 𝑛 = 6 - 𝑓 = 0.3
Quando la popolazione è naturalmente divisa in gruppi di unità contigue, chiamati
grappoli.
Si sceglie casualmente senza ripetizione un certo numero di grappoli.
Poi si includono nel campione tutte le unità che fanno parte dei grappoli
estratti.
Non è possibile sapere a priori la numerosità del campione.
Scopo principale, contenimento dei costi della rilevazione.
Indagine in una regione che ha 100000 dipendenti.
Questi dipendenti sono impiegati in 2000 stabilimenti
Gli stabilimenti hanno in media 50 dipendenti
Si vuole un campione di 1500 dipendenti.
Basta estrarre 30 unità locali (grappoli) e recarsi in
soli 30 stabilimenti.
In ogni stabilimento si intervistano tutti i dipendenti.
(30stab. x 50dipend. = 1500dipend. )
50 dip.
50 dip.
50 dip.
50 dip.
50 dip.
Grappolo 1
Grappolo 2
1
2
3
Grappolo 4
2
3
Grappolo 5
1
1
1
1
4
2
3
4
Grappolo 6
2
2
3
Grappolo 3
1
3
2
4
Unità della popolazione non estratte
Unità campionarie
𝑁 = 20 - 𝑛 = 10 - 𝑓 = 0.5
Le unità vengono estratte scorrendo la lista e selezionando sistematicamente una
unità ogni dato intervallo.
Popolazione di 𝑁 = 28 unità
Si vuole estrarre un campione di 𝑛 = 7 unità
1. si calcola il passo di campionamento, che indichiamo con k, come
rapporto 𝑘 = 𝑁⁄𝑛:
𝑘 = 28⁄7 = 4.
2. Si estrae un numero casuale compreso fra 1 e k. Questo stabilisce casualmente
la prima unità della lista da estrarre.
3. Si procede ad estrarre le rimanenti unità prendendo dalla lista una unità ogni 4.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
Unità della popolazione non estratte
Unità campionarie
𝑁 = 28 - 𝑛 = 7 - 𝑓 = 0.25 - 𝑘 = 4
La popolazione è divisa in più livelli gerarchicamente ordinati.
In un campionamento a due stadi si hanno:
le unità di primo stadio (o primarie)
le unità di secondo stadio (o secondarie).
Al primo stadio si estrae, secondo una data tecnica, un campione senza
ripetizione.
Queste unità sono dei grappoli, però qui non si prendono tutte le unità, ma si
estraggono solo alcune, che vengono dette unità di secondo stadio.
A
B
4
2
4
F
1
2
2
3
3
3
E
1
𝑁 = 20 - 𝑛 = 6 - 𝑓 = 0.3
2
3
D
1
1
1
2
Popolazione di 𝑁 = 20 unità
suddivisa in 6 gruppi di unità.
C
1
3
4
Unità della popolazione non estratte
2
Unità campionarie
Si immagini di realizzare un’indagine sul reddito percepito dalle famiglie di un
quartiere, dove sono presenti poche famiglie facoltose e molte famiglie meno
abbienti.
Con un campionamento casuale semplice (probabilità costanti) c’è il rischio di
estrarre un campione con soli famiglie povere, dato che sono molto più numerose
e concludere che il quartiere è abitato da soli poveri.
Le famiglie più ricche vivono in appartamenti più
grandi mentre quelle povere abitano in case più piccole.
Si sfrutta questa informazione (reperibile nel catasto)
per attribuire probabilità di estrazione maggiori alle
famiglie con case grandi.
Ogni famiglia avrà una probabilità di estrazione
diversa e proporzionale alla grandezza del suo
appartamento.
P=0.3
P=0.1
P=0.1
P=0.1 P=0.1
P=0.2
P=0.1
Sono utilizzati perché meno costosi e più rapidi da applicare.
La selezione del campione avviene in base a criteri di comodo o di praticità.
La conoscenza dell’intera popolazione non è necessaria, come nel caso di
campionamento probabilistico.
Lo svantaggio principale in questa tipologia di campionamento è che i risultati
ottenuti non sono estendibili a tutta la popolazione (non si può fare inferenza).
La scelta delle unità statistiche è affidata al ricercatore, ed è operata con obiettivi
di rappresentatività di particolari aspetti della popolazione.
Un’indagine che riguarda l’utilizzo di
apparecchiature chirurgiche sofisticate non
può essere condotta estraendo un campione
casuale di ospedali (si rischierebbe di estrarre
molti ospedali che non usano tali strumenti).
Allora è opportuno che il ricercatore
selezioni gli ospedali dove si è certi che quel
tipo di attrezzatura sia presente.
1. Si suddivide la popolazione in gruppi omogenei, secondo una data
caratteristica (come nel campionamento stratificato)
2. Dentro ogni gruppo, si stabilisce il numero di unità da intervistare (quote).
3. Il ricercatore a sceglie, nei limiti delle quote, le unità da intervistare.
Indagine sul tipo di abbigliamento utilizzato
dai ragazzi fra 14 e 18 anni.
Suddividiamo la popolazione dei ragazzi in
due gruppi, maschi e femmine.
Composizione popolazione: 48%M / 52%F
Il campione deve contenere 𝑛 = 100 ragazzi
Allora le QUOTE sono 48 M e 52 F
I maschi e le femmine da intervistare saranno
poi scelti liberamente.
48
52
Molto utile per lo studio di popolazioni clandestine
(immigrati irregolari, membri di sette religiose, evasori
fiscali, tossicodipendenti)
Si individuano le unità statistiche a partire dalle
informazioni che altri soggetti possono fornire.
Il campionamento parte da un piccolo numero di individui i quali, oltre che
come membri del campione, sono utilizzati per individuare altri soggetti
appartenenti allo stesso gruppo.
Ogni volta che si intervista un individuo si raccolgono informazioni per
contattare e raggiungere altri individui.
Si ricorre a persone che, per la loro particolare attività, sono a conoscenza di
informazioni su specifici fenomeni.
Il loro coinvolgimento risulta indispensabile ai fini dello studio del fenomeno.
nello studio sul consumo di stupefacenti si può decidere di
intervistare i capi delle squadre mobili della polizia.
Lo studio tramite testimoni privilegiati può costituire la fase preliminare di ricerca,
per raccogliere informazioni necessarie alla successiva progettazione di una
ricerca con campionamento probabilistico.
CAMPIONAMENTO
NON
PROBABILISTICO
A Scelta Ragionata
Le unità della popolazione
sono scelte dal ricercatore
o dal rilevatore.
Per Quote
La popolazione è divisa in
gruppi. Dentro ogni
gruppo si scelgono le unità
rispettando una
determinata quota.
A Valanga
Le unità statistiche sono
individuate a partire dalle
informazioni fornite da
soggetti simili.
Tramite Testimoni
Privilegiati
Persone particolarmente
informate sul fenomeno
oggetto di studio.
PROBABILISTICO
Probabilità Costanti
Probabilità Variabili
Le unità della
popolazione hanno tutte
la stessa probabilità di
essere estratte.
Le unità della
popolazione hanno una
probabilità diversa di
essere estratte.
Semplice con ripetizione
Ogni unità una volta estratta viene reinserita nella
popolazione.
Semplice senza ripetizione
Ogni unità una volta estratta non viene reinserita
nella popolazione.
Stratificato
La popolazione è divisa in strati omogenei. Da ogni
strato si estrae un certo numero di unità.
A Grappoli
S estrae un numero di grappoli da una popolazione e
tutte le unità del grappolo entrano nel campione.
Sistematico
Le unità vengono estratte scorrendo una lista e
selezionando una unità ogni dato intervallo.
A più stadi
Si fanno più estrazioni consecutive. Ad ogni
estrazione si crea la base per l’estrazione successiva.
Con l’indagine campionaria si ottiene un valore approssimato: la stima.
Stima = valore assunto da una grandezza che approssima il valore vero (riferito
alla popolazione) che non è dato di conoscere.
𝑛
1
̅ = ∑ 𝑥𝑖
STIMATORE 𝑋
𝑛
𝑖=1
𝜇 = 24
Popola
zione
Cam
pione
STIMA
𝑋̅ = 25
𝑋̅ = 𝑑𝑎 23 𝑎 27
p=0,95
Calcolo dell’errore
campionario
La stima è sempre affetta da un errore di campionamento o errore
campionario.
Differenza fra ciò che risulta dall’analisi del campione (stima) e il vero valore
della popolazione che non è dato conoscere, cioè il parametro 𝜇).
STIMA
PARAMETRO
media campionaria 𝑋̅
media popolazione 𝜇
Errore di campionamento
Se il campione è probabilistico, allora si può calcolare una stima dell’errore di
campionamento, pur rimanendo il parametro incognito.
Per tale ragione bisogna sempre tenere nettamente separate le tecniche di
campionamento probabilistiche, dove si può controllare l’errore campionario,
da quelle non probabilistiche, con le quali invece tale controllo è impossibile.
Tutti gli altri errori che si possono commettere durante un’indagine.
Mentre l’errore campionario è insito nella natura stessa dell’indagine
campionaria, gli errori non campionari si manifestano anche nelle rilevazioni
totali.
È determinato dal fatto che nella pratica c’è sempre uno scostamento fra ciò che è
previsto nella progettazione dell’indagine e ciò che viene effettivamente
realizzato.
PROGETTAZIONE
Errore non campionario
REALIZZAZIONE
Dato un campione casuale di 𝑛 osservazioni 𝑋1 , 𝑋2 , , … , 𝑋𝑛 si dice statistica
campionaria una funzione delle osservazioni campionarie
𝑡(𝑋1 , 𝑋2 , , … , 𝑋𝑛 ).
Se ad esempio la funzione 𝑡 è la formula della media aritmetica allora avremo
la statistica media campionaria:
𝑛
𝑋̅ =
1
∑ 𝑋𝑖
𝑛
𝑖=1
Quindi, mentre i parametri della popolazione sono incogniti (come ad esempio 𝜇
e 𝜎 2 ) le statistiche dipendono dalle osservazioni campionarie.
Una statistica 𝒕 assume valori diversi a seconda del campione estratto.
Perciò una statistica campionaria ha una sua distribuzione di probabilità, detta
distribuzione campionaria della statistica.
Immaginiamo di conoscere l’intera popolazione e poi applichiamo su di essa un
campionamento casuale semplice.
Popolazione di 𝑁 = 8 individui, con il voto conseguito all’esame di statistica
Etichette
Nomi
Voti
1
2
3
4
5
6
7
8
Mario Luca Miky Lisa Dora Mara Ted Yuri
24
28
27
25
24
27
27
26
Il vantaggio è che possiamo calcolare il voto medio dell’intera popolazione, cioè
il valore vero 𝝁 = 𝟐𝟔
Non conosciamo questo valore e lo vogliamo stimare tramite un’indagine
campionaria.
Campione di 2 individui (𝑛 = 2).
Ipotesi, estraiamo i numeri 4 e 6.
Etichette
Nomi
Voti
1
2
3
4
5
6
7
8
Mario Luca Miky Lisa Dora Mara Ted Yuri
24
28
27
25
24
27
27
26
Abbiamo un campione di 𝑛 = 2 con valori 𝑋1 = 25 e 𝑋2 = 27.
25+27
Applichiamo la statistica media campionaria: 𝑋̅ = 2 = 26.
24+24
̅
Se fossero usciti i numeri 1 e 5, avremmo avuto 𝑋 =
= 24.
2
̅ varia a seconda del campione estratto
Quindi 𝑿
Dato che la nostra popolazione è piccolissima, possiamo definire tutti i possibili
campioni estraibili.
Dal calcolo combinatorio, i campioni di 2 unità estraibili senza ripetizione da una
popolazione di 8 elementi sono in tutto 28.
Spazio campionario Ω
1
2
3
4
5
6
7
8
9 10 11 12 13 14
c
Etichette (1,2) (1,3) (1,4) (1,5) (1,6) (1,7) (1,8) (2,3) (2,4) (2,5) (2,6) (2,7) (2,8) (3,4)
15 16 17 18 19 20 21 22 23 24 25 26 27 28
c
Etichette (3,5) (3,6) (3,7) (3,8) (4,5) (4,6) (4,7) (4,8) (5,6) (5,7) (5,8) (6,7) (6,8) (7,8)
Avendo i dati, possiamo calcolare le medie campionarie di ogni campione.
Medie campionarie di tutti i possibili campioni
2
5
6
7
8
9 10 11 12 13 14
c 1
3
4
𝑋̅ 26.0 25.5 24.5 24.0 25.5 25.5 25.0 27.5 26.5 26.0 27.5 27.5 27.0 26.0
c 15 16 17 18 19 20 21 22 23 24 25 26 27 28
𝑋̅ 25.5 27.0 27.0 26.5 24.5 26.0 26.0 25.5 25.5 25.5 25.0 27.0 26.5 26.5
Ora possiamo costruire la distribuzione campionaria della statistica media
campionaria 𝑋̅
̅
𝑿
N° Campioni
24.0
1
24.5
2
25.0
2
25.5
7
26.0
5
26.5
4
27.0
4
27.5
3
Totale
28
̅)
𝒑(𝑿
0.036
0.071
0.071
0.250
0.179
0.143
0.143
0.107
1.000
̅
𝑿
N° Campioni
24.0
1
24.5
2
25.0
2
25.5
7
26.0
5
26.5
4
27.0
4
27.5
3
Totale
28
̅)
𝒑(𝑿
0.036
0.071
0.071
0.250
0.179
0.143
0.143
0.107
1.000
I campioni con un voto medio 𝑋̅ ≤ 24.5 sono 3 con 𝑝(𝑋̅ ≤ 24.5) = 0.107.
I campioni con voto medio 𝑋̅ = 27.5 sono 3 campioni, 𝑝(𝑋̅ = 27.5) = 0.107
I campioni con voto medio fra 25 e 27 sono molti, nello specifico 22
La probabilità di avere uno di questi campioni è
22
𝑝(25 ≤ 𝑋̅ ≤ 27) = 0.071 + 0.250 + 0.179 + 0.143 + 0.143 = 28 = 𝟎. 𝟕𝟖𝟔.
Nell’estrarre un campione possiamo “incappare” in un campione raro, che ci
fornisce una stima lontana dal valore vero della popolazione, ma la probabilità è
molto bassa.
È invece molto più probabile estrarre uno dei 22 campioni che forniscono una
stima vicina al valore vero della popolazione.
̅
𝑿
N° Campioni
24.0
1
24.5
2
25.0
2
25.5
7
26.0
5
26.5
4
27.0
4
27.5
3
Totale
28
̅)
𝒑(𝑿
0.036
0.071
0.071
0.250
0.179
0.143
0.143
0.107
1.000
𝑝 = 0.786
𝑝 = 0.214
Il valore atteso della statistica media campionaria è sempre pari alla
media della popolazione:
𝐸 (𝑋̅) = 𝜇
𝑋̅
24.0
24.5
25.0
25.5
26.0
26.5
27.0
27.5
Totale
𝑝(𝑋̅)
0.036
0.071
0.071
0.250
0.179
0.143
0.143
0.107
1.000
𝑥̅𝑗 𝑝(𝑥̅𝑗 )
0.8571
1.7500
1.7857
6.3750
4.6429
3.7857
3.8571
2.9464
26.000
