La distribuzione campionaria di uno stimatore La media campionaria è corretta e la sua distribuzione è asimmetrica e non centrata su 8 Tavola 1: Possibili campioni con n=2 e N=6 Campione n. 1 2 3 4 5 6 7 Elementi A A A A A B B B C D E F C D Valori Medie 2 6 4 2 2 2 2 8 10 10 12 5 6 6 7 8 B E 9 10 11 12 13 14 15 B C C C D D E F D E F E F F 6 6 6 6 8 8 8 10 10 10 8 10 10 12 10 10 12 10 12 12 7 8 8 9 9 9 10 10 11 11 frequenze 4 3 2 1 0 4 5 6 7 8 9 10 11 medie 1 Cambiamo stimatore: aggiungiamo 1 alla media quando esce 2 e togliamo 1 alla media quando esce 12, perché sappiamo CE(2,12) Tavola 1: Possibili Campione n. 1 Elementi A B Valori campioni 2 3 A A C D 2 6 5 Medie frequenze con n=2 e N=6 4 5 6 7 A A B B E F C D 2 2 2 2 8 10 10 12 6 7 7 7 8 B E 9 10 11 12 13 14 15 B C C C D D E F D E F E F F 6 6 6 6 8 8 8 10 10 10 8 10 10 12 10 10 12 10 12 12 7 8 8 8 9 9 9 10 10 10 Varianza=64/15 frequenze 4 5 3 4 Varianza=32/15 3 2 2 1 1 0 4 5 6 7 8 9 10 11 medie 0 4 5 6 7 8 9 10 11 medie Come la popolazione ha una sua deviazione standard, quindi anche una sua varianza, in relazione al carattere in oggetto (32/3), anche la popolazione di tutte le medie campionarie ne ha una (64/15) Quale relazione esiste tra le due o varianze nel CCSSR? Var[ y ] = 64 15 Var[Y ] = 32 3 N −n 1 N −1 n N −n 1 = SY2 N n N −1 Var[Y ] = SY2 N Var[ y ] = Var[Y ] 2 Guardiamo bene al termine: N −n 1 ⎛ n ⎞1 = ⎜1 − ⎟ N n ⎝ N⎠n 1 Situazione limite 1 n→N n 1− → 0 N n→N 2 1 →0 n 2 Situazione comune n << N n f = →0 N (1 − f ) → 1 1/n è il termine residuo che riduce la varianza di popolazione per darci la varianza delle medie campionarie sulla variabilità delle stime, n ”pesa” in termini assoluti non relativi! 3