Docsity
Docsity

Prepara i tuoi esami
Prepara i tuoi esami

Studia grazie alle numerose risorse presenti su Docsity


Ottieni i punti per scaricare
Ottieni i punti per scaricare

Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium


Guide e consigli
Guide e consigli


Esercitazione: Distribuzioni Campionarie e Stima Puntuale - Statistica per l'Impresa, Esercizi di Statistica

Esercitazione completa, pratica e teorica, del corso di Statistica

Tipologia: Esercizi

2016/2017

Caricato il 02/10/2017

marco_someonelikeyou
marco_someonelikeyou 🇮🇹

4.3

(20)

57 documenti

1 / 13

Toggle sidebar

Questa pagina non è visibile nell’anteprima

Non perderti parti importanti!

bg1
esercitazione
riepilogo
Pro. A.
D'Agostino -
A. Regoli
Esempio 1
Modulo
Esempio 2
Modulo
Esempio 3
Modulo
Esempio 4
Modulo
Esempio 5
Modulo
Statistica per l'impresa
Pro. A. D'Agostino - A. Regoli
Dip. di Statistica e Matematica per la Ricerca Economica
distribuzioni campionarie e stima puntuale
1 / 13
pf3
pf4
pf5
pf8
pf9
pfa
pfd

Anteprima parziale del testo

Scarica Esercitazione: Distribuzioni Campionarie e Stima Puntuale - Statistica per l'Impresa e più Esercizi in PDF di Statistica solo su Docsity!

esercitazione riepilogo Pro. A. D'Agostino - A. Regoli

Esempio 1 Modulo Esempio 2 Modulo Esempio 3 Modulo Esempio 4 Modulo Esempio 5 Modulo

Statistica per l'impresa

Pro. A. D'Agostino - A. Regoli

Dip. di Statistica e Matematica per la Ricerca Economica

distribuzioni campionarie e stima puntuale

esercitazione riepilogo Pro. A. D'Agostino - A. Regoli

Esempio 1 Modulo Esempio 2 Modulo Esempio 3 Modulo Esempio 4 Modulo Esempio 5 Modulo

Esercizio

Una popolazione di tre unità presenta i seguenti valori del carattere X: 5 6 10. Si estraggono casualmente e con ripetizione campioni di ampiezza 2 1 da quanti elementi è costituito lo spazio campionario? 2 Costruire la distribuzione campionaria dello stimatore media aritmetica campionaria 3 vericare che tale stimatore è corretto per la media della popolazione

esercitazione riepilogo Pro. A. D'Agostino - A. Regoli

Esempio 1 Modulo Esempio 2 Modulo Esempio 3 Modulo Esempio 4 Modulo Esempio 5 Modulo

soluzione

2 La distribuzione campionaria dello stimatore media campionaria risulta data da

X 5 5.5 6 7.5 8 10 1/9 2/9 1/9 2/9 2/9 1/ 3 Verichiamo la correttezza dello stimatore media campionaria. Per prima cosa, calcoliamo la vera media della popolazione di riferimento, indicandola conμ = 5 +^63 + 10 = 7. poi calcoliamo E

( X

) = 7 quindi lo stimatore è corretto.

esercitazione riepilogo Pro. A. D'Agostino - A. Regoli

Esempio 1 Modulo Esempio 2 Modulo Esempio 3 Modulo Esempio 4 Modulo Esempio 5 Modulo

Esercizio

Siano A e B due stimatori con i quali si vuole stimare il parametro media μ di una popolazione. Tali stimatori presentano le seguenti distribuzioni: A P(A) B P(B) 9 0.10 7 0. 10 0.80 8 0. 11 0.10 10 0. 11 0. Supponendo di sapere che μ = 10 1 valutare la correttezza dei due stimatori 2 sapendo che esiste un altro stimatore C tale che E(C)= e V(C)=0.4 scegliere tra gli stimatori A e C il più eciente

esercitazione riepilogo Pro. A. D'Agostino - A. Regoli

Esempio 1 Modulo Esempio 2 Modulo Esempio 3 Modulo Esempio 4 Modulo Esempio 5 Modulo

Esercizio

Viene rilevato la quantità (in cl) di un particolare liquido immesso da un impianto in un campione di 200 contenitori destinati alla vendita. La distribuzione di frequenza osservata è la seguente quantità 100 120 130 135 n 80 20 50 50 1 Si stimi puntualmente μ 2 si indichi una misura della variabilità dello stimatore utilizzato sapendo che la varianza della popolazione è uguale 100. 3 determinare la distribuzione di probabilità di X

esercitazione riepilogo Pro. A. D'Agostino - A. Regoli

Esempio 1 Modulo Esempio 2 Modulo Esempio 3 Modulo Esempio 4 Modulo Esempio 5 Modulo

soluzione

1 la stima di μ è data da x = 100 ×^80 +^120 ×^20200 +^130 ×^50 +^135 ×^50 = 118. 25 2 poichè V

X

= σ^ 2 n abbiamo che^ V^

X

3 poiché per n ≥ 30 la distribuzione di X può essere approssimata ad una distribuzione normale (TLC) quindi X ∼ N ( 118 .25; 0. 5 )

esercitazione riepilogo Pro. A. D'Agostino - A. Regoli

Esempio 1 Modulo Esempio 2 Modulo Esempio 3 Modulo Esempio 4 Modulo Esempio 5 Modulo

soluzione

1 Data la v.c. X ∼ N( 500 , 5 ) dobbiamo calcolare P( 496 < X < 502 ) = P

5 <^ Z^ <^

502 − 500 5

= P(− 0. 8 <

Z < 0. 4 ) = Φ( 0. 4 ) − [ 1 − Φ( 0. 8 )] = 0. 6554 − 1 + 0. 7881 =

2 Estraendo campioni di numerosità n = 9 da una popolazione normale con μ = 500 e σ = 5 , la v.c. media campionaria si distribuisce normalmente con valore atteso E(X) = μ = 500 e varianza V(X) = σ^ 2 n =^

25

  1. Dobbiamo quindi calcolare P( 496 < X < 502 ) = P

496 − 500 (^5) / 3 <^ Z^ <^ 502 − 500 (^5) / 3

= P(− 2. 4 < Z < 1. 2 ) =

Φ( 1. 2 ) − [ 1 − Φ( 2. 4 )] = 0. 8849 − 1 + 0. 9918 = 0. 8767

esercitazione riepilogo Pro. A. D'Agostino - A. Regoli

Esempio 1 Modulo Esempio 2 Modulo Esempio 3 Modulo Esempio 4 Modulo Esempio 5 Modulo

soluzione

  1. Estraendo campioni di numerosità n = 36 da una popolazione normale con μ = 500 e σ = 5 , la v.c. media campionaria si distribuisce normalmente con valore atteso E(X) = μ = 500 e varianza V(X) = σ^

2 n =^

25

  1. Dobbiamo quindi calcolare P( 496 < X < 502 ) = P

496 − 500 (^5) / 6 <^ Z^ <^ 502 − 500 (^5) / 6

= P(− 4. 8 <

Z < 2. 4 ) = Φ( 2. 4 ) − [ 1 − Φ( 4. 8 )] = 0. 9918 − 1 + 1 = 0. 9918

  1. Il valore z* che è superato con probabilità 0.15 è quello che verica la relazione P(Z > z∗) = 0. 15 o anche P(Z < z∗) = 0. 85. Dalla tavola leggiamo z∗ = 1. 04. Quindi 1. 04 = x∗− (^5) /^5006 da cui x = 501. 25

esercitazione riepilogo Pro. A. D'Agostino - A. Regoli

Esempio 1 Modulo Esempio 2 Modulo Esempio 3 Modulo Esempio 4 Modulo Esempio 5 Modulo

soluzione

1 Indicando con X il numero di pezzi difettosi, X ∼ Binomiale( 200 , 0. 03 ). Allora P(X = 5 ) =

( 200 5

)

  1. 035 ( 1 − 0. 03 )^195 = 0. 162 2 Applicando il Teorema del Limite Centrale, per n grande, la distribuzione della proporzione campionaria X può essere approssimata da una normale con media pari alla proporzione p della popolazione e varianza pari a p·(^1 n− p). Quindi X ≈ N(p, p·(^1 n− p)) cioè X ≈ N( 0. 03 , 0.^03 ·( 2001 −^0.^03 )).

P( 0. 01 < X < 0. 05 ) = P

( √^0.^01 −^0.^03

  1. 03 ·( 2001 − 0. 03 )^ <^ Z^ <^ √^0.^05 −^0.^03
  2. 03 ·( 2001 − 0. 03 )

)

P (− 1. 67 < Z < 1. 67 ) = 2 · Φ( 1. 67 ) − 1 = 1. 905 − 1 = 0. 905 3 Il valore z* che è preceduto con probabilità 0.20 è quello che verica la relazione P(Z < z∗) = 0. 20 da cui z∗ = − 0. 84. Quindi − 0. 84 = √^0 x.∗− 03 ·(^01 .−^030. 03 ) 200

da cui x = 0. 027.