See attached files
[Analisi]
Si tratta di un esercizio misto che comprende:
Stima intervallare per una proporzione (vaccinati con terza dose).
Test di bontà di adattamento alla distribuzione normale (chi-quadro).
Proprietà dei stimatori puntuali (consistenza, non distorsione).
[Soluzione]
1) Stima intervallare per la proporzione di vaccinati con terza dose
Dati: numero totale di cittadini n = 16, numero di vaccinati con 3° dose X = 8 ⇒ p^=nX=168=0.5.
1.a)
Estremi dell’intervallo di confidenza di livello (1−α) per p^ con approssimazione normale:
<<|
\hat p \pm z_{1-\frac{\alpha}{2}}
\sqrt{\frac{\hat p,(1-\hat p)}{n}}
|>>
1.b)
Condizioni per l’affidabilità dell’intervallo (almeno due):
☐ La numerosità del campione è sufficientemente elevata e le frequenze dei casi con 3 dosi non troppo piccole (np^≥5 e n(1−p^)≥5).
☐ La distribuzione della variabile (binomiale) si approssima alla normale (regola della radice).
1.c)
Per il 90% di confidenza: z0.95=1.645,
<<|
\mathrm{SE}
= \sqrt{\frac{0.5,(1-0.5)}{16}}
=0.125
|>>
Margine di errore: 1.645×0.125=0.2056.
Intervallo:
<<|
\bigl[,0.5 - 0.2056,;0.5 + 0.2056\bigr]
= [,0.2944,;0.7056,]
\approx[,0.294,;0.706,]
|>>
2) Test di bontà di adattamento alla normale
Si suddivide la variabile in k=4 classi: «≤36», «36–37.5», «37.5–38.5», «>38.5».
2.a)
Si utilizza il test di chi-quadrato:
<<|
\chi^2
= \sum_{i=1}^{k}
\frac{(n_i - n_{i0})^2}{,n_{i0},}
|>>
2.b)
ni rappresenta le frequenze di classe osservate nel campione.
ni0 rappresenta le frequenze di classe attese in caso H0 vera.
k è il numero delle classi utilizzate per la distribuzione della variabile.
2.c)
Stanti k=4 classi e stimando media e varianza dal campione, i gradi di libertà sono k−1−2=1.
Valore del test (supponendo χcalc2=0.432) e soglia critica al 5%:
χ0.95,,12=3.84.
3) Proprietà di uno stimatore puntuale <<|T|>>
Definizione:
«T è una funzione dei dati campionari che si può calcolare anche senza conoscere θ.»Consistenza:
<<|
\lim_{n\to\infty}\mathrm{Var}(T)=0
\quad\text{e}\quad
\lim_{n\to\infty}E(T)=\theta
|>>Non distorsione:
<<|
E(T)=\theta
|>
[Risposta]
1.a) Estremi:
<<|
\hat p \pm z_{1-\frac{\alpha}{2}}
\sqrt{\frac{\hat p(1-\hat p)}{n}}
|>>
1.b)
La numerosità del campione è sufficientemente elevata e np^ e n(1−p^) non troppo piccoli.
La distribuzione approssima la normale.
1.c) Intervallo 90%:
<<|
[,0.294,;0.706,]
|>>
2.a) Test chi-quadro:
<<|
\chi^2 = \sum_{i=1}^{4}\frac{(n_i-n_{i0})^2}{n_{i0}}
|>>
2.b)
ni: frequenze osservate;
ni0: frequenze attese sotto H0;
k: numero di classi (4).
2.c)
χcalc2=0.432,χ0.95,12=3.84
Stimatore T
definibile come funzione dei dati campionari senza conoscere θ
consistente se limVar(T)=0 e limE(T)=θ
non distorto se E(T)=θ