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


Inferenza Statistica e Campionamento: Metodi e Tecniche - Prof. Pedroli, Appunti di Psicometria

Una panoramica completa dei concetti fondamentali dell'inferenza statistica e delle diverse tecniche di campionamento. vengono descritti i due tipi principali di inferenza statistica: la stima campionaria e la verifica delle ipotesi. inoltre i diversi metodi di campionamento, sia probabilistici che non probabilistici, evidenziando i vantaggi e gli svantaggi di ciascun approccio. vengono analizzati in dettaglio il campionamento casuale semplice, con e senza ripetizione, e vengono fornite indicazioni sulla scelta della dimensione del campione.

Tipologia: Appunti

2023/2024

In vendita dal 21/04/2025

nicholas-ballabio
nicholas-ballabio 🇮🇹

4.3

(3)

821 documenti

1 / 6

Toggle sidebar

Questa pagina non è visibile nell’anteprima

Non perderti parti importanti!

bg1
L’inferenza statistica e il campionamento
Inferenza statistica: tipologie
Si definisce inferenza statistica il procedimento mediante il quale, dall’analisi dei dati osservati su un campione; si perviene a
conclusioni relative all’intera popolazione.
Si possono distinguere due tipi di inferenza statistica:
• dal campione si può stimare il valore di qualche parametro della popolazione, come una media, una varianza, una
frequenza; si parla in questo caso di stima campionaria;
• per mezzo del campione si vuole decidere se un’ipotesi fatta su una data popolazione è accettabile, o rifiutabile, ad un dato
livello di significatività; è il problema della verifica delle ipotesi.
Inferenza statistica
Naturalmente, l’estensione a tutta la popolazione delle conclusioni ricavate da un campione comporta un certo rischio,
pertanto si dovrà scegliere un campione in modo da saper valutare l’errore che si può commettere.
Nella trattazione dell’inferenza statistica, dopo aver indicato come scegliere un campione, analizziamo la distribuzione delle
variabili e, in base ad essa, operiamo delle stime dei parametri della popolazione indicando l’errore medio o il grado di fiducia
della stima. Infine, esaminiamo brevemente i concetti fondamentali della verifica delle ipotesi, in quanto uno studio
approfondito richiederebbe tecniche particolari che esulano dal programma.
In statistica, lo studio di un carattere qualitativo o quantitativo si può fare mediante una rilevazione completa su tutta la
popolazione (o universo statistico), oppure mediante una rilevazione parziale e l‘analisi di un campione tratto da quella
popolazione.
pf3
pf4
pf5

Anteprima parziale del testo

Scarica Inferenza Statistica e Campionamento: Metodi e Tecniche - Prof. Pedroli e più Appunti in PDF di Psicometria solo su Docsity!

L’inferenza statistica e il campionamento

Inferenza statistica: tipologie Si definisce inferenza statistica il procedimento mediante il quale, dall’analisi dei dati osservati su un campione; si perviene a conclusioni relative all’intera popolazione. Si possono distinguere due tipi di inferenza statistica :

  • dal campione si può stimare il valore di qualche parametro della popolazione, come una media, una varianza, una frequenza; si parla in questo caso di stima campionaria ;
  • per mezzo del campione si vuole decidere se un’ipotesi fatta su una data popolazione è accettabile, o rifiutabile, ad un dato livello di significatività; è il problema della verifica delle ipotesi. Inferenza statistica Naturalmente, l’estensione a tutta la popolazione delle conclusioni ricavate da un campione comporta un certo rischio, pertanto si dovrà scegliere un campione in modo da saper valutare l’errore che si può commettere. Nella trattazione dell’inferenza statistica, dopo aver indicato come scegliere un campione, analizziamo la distribuzione delle variabili e, in base ad essa, operiamo delle stime dei parametri della popolazione indicando l’errore medio o il grado di fiducia della stima. Infine, esaminiamo brevemente i concetti fondamentali della verifica delle ipotesi, in quanto uno studio approfondito richiederebbe tecniche particolari che esulano dal programma. In statistica, lo studio di un carattere qualitativo o quantitativo si può fare mediante una rilevazione completa su tutta la popolazione (o universo statistico), oppure mediante una rilevazione parziale e l‘analisi di un campione tratto da quella popolazione.

Numerose ragioni spingono il ricercatore ad utilizzare un campione per trarre delle conclusioni sull’intera popolazione; tra cui: a) il costo elevato di una rilevazione totale; b) l’impossibilità di investigare tutte le unità statistiche quando l’universo è costituito da un numero molto grande di elementi (ad esempio, l’analisi di un costrutto su tutta la popolazione italiana), oppure quando non si possono conoscere tutte le unità avendone a disposizione solo un numero limitato, come tipicamente accade nelle analisi psicologiche; c) i limiti di tempo, ad esempio i dati ricavati da un censimento sono disponibili solo dopo alcuni anni e perciò, in certi casi, i risultati ottenuti sono inutili perché il fenomeno si è nel frattempo modificato; d) la possibilità che l‘investigazione danneggi o addirittura distrugga le unità statistiche, come, ad esempio, avviene nella verifica della durata di un lotto di lampadine o del punto di rottura di una partita di barre metalliche; la prova su tutte le lampadine o su tutte le barre porterebbe alla loro totale distruzione. Questo generalmente non accade nelle indagini psicologiche. Campionamento Per questi ed altri motivi si è sviluppata la teoria del campionamento. Il problema fondamentale che sorge in una rilevazione campionaria è la scelta di un campione rappresentativo dell’intera popolazione, ossia di un campione che riproduca le caratteristiche dell’intera popolazione. Se nella popolazione, rispetto al carattere esaminato, non esistesse variabilità, allora tutte le unità statistiche presenterebbero lo stesso carattere e qualunque campione, anche costituito da una sola unità, rappresenterebbe tutta la popolazione.

Campionamento casuale semplice La scelta del campione nel campionamento casuale è affidata al caso e non deve essere influenzata, più o meno consciamente, da chi compie l’indagine. Bisogna, però, precisare che scegliere a caso non significa scegliere le unità statistiche comunque si presentino; caratteristiche essenziali di un campionamento casuale semplice sono: a) ogni unità della popolazione ha eguale probabilità di fare parte del campione; b) ogni campione deve avere la stessa probabilità di essere formato. Il metodo del campione casuale semplice si può applicare se la popolazione è statisticamente omogenea e le unità statistiche sono individuabili mediante un numero. Un modo semplice per operare tale campionamento consiste nel numerare tutte le unità della popolazione, mettere in un’urna tante palline numerate, tutte eguali fra loro, quante sono le unità della popolazione e quindi sorteggiare da tale urna le palline per formare il campione. Invece dell’urna si preferisce oggi ricorrere ad una tavola di numeri casuali. Le tavole dei numeri casuali si costruivano, un tempo, con metodi empirici; attualmente si utilizzano i computer che dispongono di un apposito programma che fornisce una successione di numeri a gruppi di due, tre, quattro, n cifre. Il campionamento casuale semplice è il campionamento probabilistico per eccellenza: ad esso sono, infatti, legati tutti gli altri tipi più complessi di campionamento che hanno l’obiettivo di aumentare la precisione delle stime. Il momento fondamentale è la scelta del disegno campionario: essa sarà supportata da ogni informazione, nota a priori, sulle unità della popolazione (U) considerata. A seconda della qualità o quantità di tali informazioni, sarà possibile applicare disegni semplici o complessi.

Va però precisato che raramente viene utilizzato nelle indagini su vasta scala poiché occorrono:

  • elevati costi di rilevazione;
  • lunghi tempi di organizzazione. Essendo il paradigma di riferimento sulla scorta del quale vengono declinati quelli relativi alle forme più complesse di campionamento, la conoscenza dei criteri relativi al campionamento casuale semplice risulta fondamentale per la comprensione di tali tecniche e per la loro corretta elaborazione. Procediamo, quindi, con l’analisi di tali criteri. Svantaggi :
  1. non si utilizzano le informazioni note a priori sulla popolazione sulle caratteristiche distributive delle variabili;
  2. non è considerato conveniente per i suoi elevati costi di rilevazione dei dati e per i tempi di organizzazione del lavoro. Vantaggi :
  3. evitare le distorsioni provocate da campionamenti non casuali;
  4. permettere di stimare gli errori di campionamento. Selezione Selezione con ripetizione o Bernoulliana: In esso gli elementi una volta estratti sono reinseriti. Ne consegue, quindi, che la probabilità di estrazione di ogni elemento è costante e pari a 1 / N. Consideriamo: (n) = numero di unità estratte = ampiezza del campione (n / N) = frazione di campionamento. Il campione estratto può essere anche maggiore della popolazione da cui è estratto (n > N).