Facoltà di Scienze Politiche Facoltà di Scienze Politiche
Università di Macerata Università di Macerata
Corso di
Statistica Sociale Statistica Sociale Statistica Sociale Statistica Sociale
Il campionamento Il campionamento
d t C i ti D i docente: Cristina Davino
a.a.: 2013-2014
ociale
Le indagini statistiche
Statistica So
Le indagini statistiche
Oggetto di ogni indagine statistica è la conoscenza di una
Corso di S
Oggetto di ogni indagine statistica è la conoscenza di una popolazione.
L’insieme l’aggregato di unità elementari in cui il fenomeno L insieme, l aggregato di unità elementari in cui il fenomeno allo studio si manifesta.
ò
Una popolazione può essere:
Un insieme di soggetti i clienti di un’azienda Un insieme di unità amministrative
Un insieme di stabilimenti
i Comuni Le imprese manifatturiere Una superficie
Un insieme di eventi
p f
Il territorio di una regione
I fatti criminosi in un certo periodo Un insieme di eventi I fatti criminosi in un certo periodo
…
Prof.ssa C. Davino
ociale
Le indagini statistiche
Statistica So
Le indagini statistiche
Ai fini di una corretta comprensione del fenomeno analizzato
Corso di S
Ai fini di una corretta comprensione del fenomeno analizzato, un universo statistico deve essere definito:
nei contenuti nello spazio nel tempo
Es.:.: Popolazione residente in Italia alla mezzanotte tra il 27 e il 28 ottobre 2001.
Data una popolazione di N unità statistiche, un campione è un insieme di n unità selezionate tra le N della popolazione un insieme di n unità selezionate tra le N della popolazione allo scopo di rappresentarla rispetto ai caratteri, o variabili, oggetto di studio.
Prof.ssa C. Davino
ociale
Le indagini campionarie
Statistica So
Le indagini campionarie
Quindi Quindi
Corso di S
Quindi Quindi……
Una parte delle unità della popolazione di riferimento
(a) p p p
viene selezionata per far parte del campione, seguendo un insieme interdipendente di regole che vengono
d i di di i
(a)
denominate disegno di campionamento;
L ità l i t i tt d i
(b) Le unità selezionate si sottopongono ad osservazione per:
(b)
Ottenere informazioni su certe caratteristiche (statistichestatistiche)
d ll l
b1)
della popolazione;
Analizzare le relazioni, semplici e complesse, che aiutino ad interpretare atteggiamenti o comportamenti dell’insieme b1)
interpretare atteggiamenti o comportamenti dell’insieme oggetto di studio.
ociale
Le indagini campionarie
Statistica So
Le indagini campionarie
Una cosa semplice?
Corso di S
p
Reclutamento intervistatori
Addestramento
intervistatori Codifica
Preparazione questionario
Indagine pilota
Revisione piano operativo
Revisione questionario
Raccolta dati
Revisione qualitativa e quantitativa
Elaborazione dati
Validazione risultati
Piano operativo preliminare
Reclutamento intervistatori
Piano campionamento
definitivo
Costruzione liste
Selezione del
campione Relazione
finale
Piano campionamento
preliminare
Verifica
Schema preliminare di relazione
Piano di analisi
Specificazione tabelle
ociale
Il dilemma
Statistica So
Il dilemma
Rilevazione Rilevazione
Corso di S
Rilevazione parziale Rilevazione
totale
Nella rilevazione totale si ha la conoscenza esatta del fenomeno
Nella rilevazione parziale si perviene ad una stima del fenomeno analizzato.
esatta del fenomeno
analizzato. del fenomeno analizzato.
D’altra parte, bisogna anche considerare:
I tempi della rilevazione;
I costi della rilevazione;
i h di d li d ll l
La ricchezza di dettagli della rilevazione;
Gli errori associati alla rilevazione;
Prof.ssa C. Davino
ociale
Le caratteristiche delle indagini statistiche
Statistica So
Le caratteristiche delle indagini statistiche
Corso di S
La ricchezza di dettagli ricchezza di dettagli della rilevazione g g
Le indagini campionarie si distinguono dalle indagini esaustive per la possibilità di andare in profondità nella ricerca dell’informazione.
Rapidità
Rapidità
nel raccogliere e trattare i dati;nel pubblicare i risultati delle analisi.
nel pubblicare i risultati delle analisi.
Analisi di eventi stagionalieventi stagionali o periodiciperiodici che richiedano interventi immediati.
(Attività produttive, Occupazione, Malattie diffusive, Migrazioni, …).
Prof.ssa C. Davino
ociale
Le caratteristiche delle indagini statistiche
Statistica So
Le caratteristiche delle indagini statistiche
Corso di S
La precisione
precisione, l’accuratezzaaccuratezza e l’attendibilitàattendibilitàd ll l
della rilevazione.
E’ dunque assoluta nelle indagini esaustive e decresce in funzione della numerosità del campione.
La precisione di una stima è direttamente proporzionale alla dimensione del campione.
della numerosità del campione.
L’accuratezza è invece legata al passaggio dei dati su un supporto adeguato per l’elaborazione automatica. Gli errori di rilevazione e di trattamento dei dati
i hi i ll i d i i di t di i i
sono un rischio maggiore nelle indagini di vaste dimensioni.
Non è raro che l’inaccuratezza superi l’imprecisione dovuta al campionamento.
Il concetto che riassume in sé sia la precisione che l’accuratezza è Il concetto che riassume in sé sia la precisione che l accuratezza è rappresentato dall’attendibilità di un’indagine.
ociale
Riassumendo
Statistica So
Riassumendo
Le informazioni relative alla popolazione, cioè alle variabili che la caratterizzano possono derivare da una:
Corso di S
che la caratterizzano, possono derivare da una:
Rilevazione censuaria o totale (a)
Si ha la conoscenza esatta del fenomeno analizzato.
Si preferisce:
pe analisi a li ello di mic o a ee
… per analisi a livello di micro-aree;
… quando le unità da analizzare sono rare;
… quando si vuole portare l’analisi ad un elevato livello di dettaglio.
Rilevazione campionaria (b)
Si perviene ad una stimastima del fenomeno.
Si preferisce:
… quando è impossibile effettuare una rilevazione totale;
… quando la rilevazione del carattere comporta la distruzione delle unità osservate;
… quando si vogliono ridurre i costi e/o i tempi di un’indagine.
ociale
Il campionamento
Statistica So
Il campionamento
Corso di S
Si definisce campionamento un
di t tt il l
Pop In procedimento attraverso il quale
da un insieme di unità costituenti l’oggetto dello studio
Estrazione casuale
n fere n
costituenti l’oggetto dello studio, si estrae un numero ridotto di casi scelti con criteri tali da
C
casuale
n za
scelti con criteri tali da consentire la generalizzazione
all’intera popolazione dei C
all intera popolazione dei risultati ottenuti.
Prof.ssa C. Davino
ociale
Il campionamento e l’inferenza
Statistica So
Il campione deve essere rappresentativo della popolazione
Il campionamento e l inferenza
Corso di S
a p o d app a o d a popo a o
campionamento casuale
Il calcolo delle probabilità esamina i risultati che si ottengono sotto l’influenza del caso
Campione
Popolazione
Calcolo delle probabilità
Prof.ssa C. Davino
ociale
Parametri e statistiche
Statistica So
Parametri e statistiche
Corso di S
Popolazione opo a o e Parametri a a et
Valori fissi, spesso non notiStatistiche
Campione o
Stimatori
Variabili casuali, le cui determinazioni dipendono dalle particolari dipendono dalle particolari osservazioni scelte
ociale
Il campionamento
Statistica So
Il campionamento
Un campione casuale di n elementi estratto da una v.c. X è
Corso di S
p
rappresentato dalle n v.c X1, X2, …, Xn dove Xiè la i-esima estrazione della v.c. X
Popolazione: Altezza X degli studenti presenti in aula durante la lezione di Statistica X1: Altezza del primo studente da estrarre X2: Altezza del secondo studente da estrarre
Xi: Altezza dell’i-esimo studente da estrarre
X P X P X 1
P
Xn: Altezza dell’n-esimo studente da estrarre
x N x
x
P X ... P X
nX
P
i
1
i
2
i
ociale
Il campionamento
Statistica So
Il campionamento
Ogni v.c. X1, X2, …, Xnha la stessa funzione di densità di probabilità f(xi)
Corso di S
1 2 n i
che sarà uguale alla f(x) della popolazione originaria Popolazione XN(,)
v c X N( ) v.c. X1N(,)
………….
v.c. XiN(,)
D ff tt t l’ i t l d t i i i è
v.c. …………XnN(,)
Dopo aver effettuato l’esperimento, la determinazione numerica è rappresentata da n numeri reali x1, x2, …, xnche rappresentano il campione osservato
Ogni xiè la realizzazione di una v.c Xi detta v.c. della i-esima estrazione
Prof.ssa C. Davino
ociale
Le distribuzioni campionarie
Statistica So
Le distribuzioni campionarie
Inferenza: utilizza statistiche del campione per effettuare la stima dei corrispondenti veri valori della popolazione
Corso di S
dei corrispondenti veri valori della popolazione
In pratica, viene selezionato a caso dalla popolazione un campione unico di ampiezza predeterminata
Bi bb d i i i h bb t t
Bisognerebbe prendere in esame ogni campione che avrebbe potuto manifestarsi
Distribuzioni campionarie
P t il i tt i ti i d ll l i
Parametri: valori caratteristici della popolazione Statistiche: funzioni delle osservazioni campionarieStatistica calcolata: numero ottenuto applicando la statistica al Statistica calcolata: numero ottenuto applicando la statistica al
campione osservato
Distribuzione campionaria: valori che la statistica assume al
a ia e del campione nell’ ni e so variare del campione nell’universo campionario
Prof.ssa C. Davino
ociale
Le distribuzioni campionarie
Statistica So
Le distribuzioni campionarie
Corso di S
V l i h l t ti ti l i
Valori che la statistica assume al variare
del campione nell’universo campionario
del campione nell universo campionario
ociale
V C Media Campionaria
Statistica So
• Popolazione XN()
V.C. Media Campionaria
Corso di S
( ) ( )
• Campioni casuali di n elementi:
n v.c X1N(,) …. XnN(,)
1° campione
x
1 ….x
nx
2° campione
x
1 ….x
nx
3° i
3° campione
x
1 ….x
nx
…….. tutti i possibili campioni dell’universo campionario
X
v c X
v.c.
ociale
V C Media Campionaria
Statistica So
• V.C. media campionaria: medie aritmetiche calcolate su tutti
V.C. Media Campionaria
Corso di S
p
i campioni appartenenti allo spazio campionario
• Le medie variano al variare del campione estratto e, poiché i p , p campioni sono estratti casualmente, i valori che può
assumere la media campionaria sono realizzazioni di una v.c
• La distribuzione della v.c media campionaria dipende dalla distribuzione della popolazione X
• Quando la dimensione del campione è sufficientemente grande, la distribuzione della media campionaria può essere approssimata alla distribuzione normale qualunque sia la distribuzione della popolazione (Teorema del Limite Centrale).
Prof.ssa C. Davino
ociale
Esempio sulla V C Media Campionaria
Statistica So
Si consideri la popolazione costituita da N=4 quattro
Esempio sulla V.C. Media Campionaria
Corso di S
p p q
ipermercati A, B, C, D. Le vendite effettuate da ciascuno di essi nel periodo 1/1/03-31/12/03 sono riportate nella seguente tabella:
Ipermercato A B C D
Ipermercato A B C D
Vendite (in miliardi di euro) 4 1 3 2
1. Si calcolino la media e lo scarto quadratico medio della popolazione;
4 1 3 2 2 5 4
1 ,
2 5 1 25 1 12
4 30
1
2 2, , ,
N xi
4
N4
Prof.ssa C. Davino
ociale
Esempio sulla V C Media Campionaria
Statistica So
2. Effettuando un campionamento con ripetizione si calcolino
Esempio sulla V.C. Media Campionaria
Corso di S
p p
il valore atteso e lo scarto quadratico medio della v.c. media
campionaria
Numerod l i
Primo El t
Secondo El t
Media C i i
• Universo dei campioni n=2 estratti con ripetizione (42) e
del campione Elemento Elemento Campionaria
1 4 4 4,0
2 4 1 2,5
3 4 3 3,5
estratti con ripetizione (4 ) e relative medie campionarie
,
4 4 2 3,0
5 1 4 2,5
6 1 1 1,0
40
7 1 8 1 3 2 2,0 1,59 3 4 3,5
10 3 1 2,0
2 5
16 40 , X
E
10 3 1 2,0
11 3 3 3,0
12 3 2 2,5
13 2 4 3,0
2
12 , 79 1 ,
0
X sqm
14 2 1 1,5
15 2 3 2,5
16 2 2 2,0
2
ociale
Esempio sulla V C Media Campionaria
Statistica So
2. Effettuando un campionamento senza ripetizione si
Esempio sulla V.C. Media Campionaria
Corso di S
p p
calcolino il valore atteso e lo scarto quadratico medio della v.c. media campionaria
Numero Primo Secondo Media• Universo dei campioni n=2 estratti senza ripetizione
del campione Elemento Elemento Campionaria 1 4 1 2,5 2 4 3 3,5
estratti senza ripetizione ( ) e relative medie campionarie
3 3,5 3 4 2 3,0 4 1 4 2,5
5 1 3 2 0
4 2 12
4
!
!
5 1 3 2,0 6 1 2 1,5 7 3 4 3,5
2 5
12 30 , X
E
8 3 1 2,0 9 3 2 2,5 10 2 4 3,0
12
X 0 64 1 , 12 2
Var
11 2 1 1,512 2 3 2,5
X 0 , 64 2 3 Var
ociale
Esempio sulla V C Media Campionaria
Statistica So
Esempio sulla V.C. Media Campionaria
Corso di S
Campionamento con Campionamento senza Campionamento con
reintroduzione
Campionamento senza reintroduzione
Popolazione non finita E
X
XVar n
P l i fi it E
X E
X Popolazione finita
XVar
n
XE
X1 N n
Var n N
Prof.ssa C. Davino
ociale
Distribuzione della V C Media Campionaria
Statistica So
Distribuzione della V.C. Media Campionaria
Corso di S
n >
30?
X N?
NO NO
?
SI SI
noto?
NO
X tn 1 ; s
n
noto?
SI
X N
n
X N ;
n
Prof.ssa C. Davino
ociale
V C Proporzione Campionaria
Statistica So
X B n ; n 1
• : numero di successi in n prove
V.C. Proporzione Campionaria
Corso di S
X B n ; n 1
1
X B
: numero di successi in n prove
B ;
n n
• : proporzione di successi in n prove
proporzione di successi nella popolazione
p proporzione di successi in un campione di ampiezza n p proporzione di successi in un campione di ampiezza n P: v.c proporzione campionaria
1
P ;
n
N
n
Z= P - 0;1
1
N
n
n
n
ociale
L’Inferenza
Statistica So
Inferenza: utilizza statistiche del campione per
L Inferenza
Corso di S
Inferenza: utilizza statistiche del campione per effettuare la stima dei corrispondenti veri valori della popolazione
popolazione
In pratica, viene selezionato a caso dalla popolazione un campione unico di ampiezza predeterminata
un campione unico di ampiezza predeterminata
Bisognerebbe prendere in esame ogni campione che
bb t t if t i
avrebbe potuto manifestarsi
Distribuzioni campionarie
ociale
Distribuzioni Campionarie
Statistica So
Distribuzioni Campionarie
Corso di S
Le conclusioni inferenziali, basate sull’unico campione osservato, devono essere giudicate sulla base della distribuzione di probabilità dei possibili campioni che distribuzione di probabilità dei possibili campioni che potevano essere generati e dei quali quello osservato
tit i li i ti l
costituisce una realizzazione particolare.
Prof.ssa C. Davino
ociale
Parametri e Statistiche
Statistica So
Parametri e Statistiche
Corso di S
Popolazione opo a o e Parametri a a et
Valori fissi, spesso non notiStatistiche
Campione o
Stimatori
Variabili casuali, le cui determinazioni dipendono dalle particolari dipendono dalle particolari osservazioni scelte
Prof.ssa C. Davino
ociale
Stima per Intervalli
Statistica So
Si i t ll h h ti l
Stima per Intervalli
Corso di S
Si cerca un intervallo che ha una particolare confidenza o probabilità di includere il
t d ll l i
parametro della popolazione
1
P t 1 t 2 1 P t t
Livello di confidenza
Livello di confidenza
ociale
Stima per Intervalli
Statistica So
La media campionaria
Stima per Intervalli
Corso di S
La media campionaria
Popolazione X N
; 2
P t
1
t2 1
Stimatore di media campionaria
Z X
Stimatore di media campionaria
1 2
2 2
1
P t
t
P
z
Z zn
2 2
2 2
1
P X z X z
n n
Dopo aver estratto il campione
x
1, x
2, x
n
:
2 2
1
P x z x z
n n
ociale
Stima per Intervalli
Statistica So
La media campionaria
Stima per Intervalli
Corso di S
La media campionaria
Quando il parametro della popolazione è incognito il miglior Quando il parametro della popolazione è incognito, il miglior modo per stimarlo è utilizzare la media campionaria.
Quando la numerosità campionaria
2 Quando la numerosità campionarian è sufficientemente elevata si ha:
;
X N n E’ quindi possibile dire che, con probabilità 1-, l’intervallo:
x z2
n
contiene il parametro incognito .
Prof.ssa C. Davino
ociale
Stima per Intervalli
Statistica So
Stima per Intervalli
Corso di S
n >
30?
X N?
NO NO
1
x n
SI SI
noto?
NO
2
x t noto? n
SI
2 n
2
x z n
Prof.ssa C. Davino
ociale
Esercizio sulla Stima per Intervalli
Statistica So
Esercizio sulla Stima per Intervalli
Corso di S
Il Sindaco di un Comune vuole indagare sui tempi di accesso al mercato del lavoro dei laureati residenti nel Comune. Da un’indagine campionaria risulta un tempo medio di 5 mesi ed uno scarto quadratico medio di 0,6 mesi.
Si determini un intervallo di confidenza al 95% per il tempo
medio di accessi al mercato del lavoro supponendo che il pp
tempo di acceso al lavoro sia distribuito normalmente e
distinguendo il caso in cui il campione sia costituito da 20 o
distinguendo il caso in cui il campione sia costituito da 20 o
da 100 laureati.
ociale
V C Proporzione Campionaria
Statistica So
X B n ; n 1
• : numero di successi in n prove
V.C. Proporzione Campionaria
Corso di S
X B n ; n 1
1
X B
: numero di successi in n prove
B ;
n n
• : proporzione di successi in n prove
proporzione di successi nella popolazione
p proporzione di successi in un campione di ampiezza n p proporzione di successi in un campione di ampiezza n P: v.c proporzione campionaria
1
P ;
n
N
n
Z= P - 0;1
1 N
n
n
n
ociale
Stima per Intervalli
Statistica So
La proporzione campionaria
Stima per Intervalli
Corso di S
La proporzione campionaria
1
X B ;
Popolazione:
;
n n
P t
1 t
2 1
Stimatore di proporzione campionaria
p
1
P N ;
Z= P -
0;11
N
;
n
n
1
n
Prof.ssa C. Davino
ociale
Stima per Intervalli
Statistica So
La proporzione campionaria P
Stima per Intervalli
Corso di S
La proporzione campionaria
1 Z P
n
1 2
2 2
1
P t t P z
Z z
n
2 2
1 1
1
P P z P z
n n
Dopo aver estratto il campione
x1,x2,xn
e sostituendo al parametro ignoto della popolazione il suo stimatore p: 1 1
p p p p 1
P
2 2
p p p p 1
P p z p z
n n
Prof.ssa C. Davino
ociale
Stima per Intervalli
Statistica So
La proporzione campionaria
Stima per Intervalli
Corso di S
La proporzione campionaria
Quando il parametro della popolazione è incognito il miglior Quando il parametro della popolazione è incognito, il miglior modo per stimarlo è utilizzare la proporzione campionaria.
Quando la numerosità campionaria
1
Quando la numerosità campionaria
n è sufficientemente elevata si ha:
1
P ;
n N
n
E’ quindi possibile dire che, con probabilità 1-, l’intervallo:
2 2
1 1
p p p p 1
P p z p z
n n
contiene il parametro incognito .
ociale
Esercizio sulla Stima per Intervalli
Statistica So
Esercizio sulla Stima per Intervalli
Corso di S
Il Sindaco di un Comune vorrebbe stimare la proporzione di cittadini soddisfatti del lavoro della sua Giunta. Dalla lista degli elettori viene selezionato un campione casuale di 200 cittadini, 78 dei quali dichiarano di essere soddisfatti del lavoro della Giunta. Si definisca una stima per intervalli per la proporzione di cittadini soddisfatti nella popolazione ad un p p p p livello di confidenza del 95%.
ociale
Il campionamento
Statistica So
Il campionamento
Corso di S
Si definisce campionamento un
di t tt il l
Pop In procedimento attraverso il quale
da un insieme di unità costituenti l’oggetto dello studio
Estrazione casuale
n fere n
costituenti l’oggetto dello studio, si estrae un numero ridotto di casi scelti con criteri tali da
C
casuale
n za
scelti con criteri tali da consentire la generalizzazione
all’intera popolazione dei C
all intera popolazione dei risultati ottenuti.
Prof.ssa C. Davino
ociale
Le diverse tecniche di campionamento
Statistica So
Le diverse tecniche di campionamento
Campionamento probabilistico
Corso di S
Campionamento probabilistico
Camp. casuale semplice
Camp. casuale stratificato
C d t di
Camp. a due stadi
Camp. sistematico
Campionamento non probabilistico
C t
Camp. per quote
Disegno fattoriale
Camp. a scelta ragionata Ca p a sce ta ag o ata
Camp. bilanciato
Camp a valanga Camp telefonico
Camp. telefonico
Prof.ssa C. Davino
ociale
Il campionamento probabilistico
Statistica So
Il campionamento probabilistico
Le unità sono scelte in modo casuale (ma nonnon “a casaccio”!).
Corso di S
La casualità interviene nella selezioneselezione delledelle unitàunità e si ottiene attribuendo
attribuendo adad ogniogni unitàunità delladella popolazionepopolazione unauna probabilitàprobabilità notanota ee diversa
diversa dada zerozero di essere selezionata diversa
diversa dada zerozero di essere selezionata.
Quando la probabilità di estrazione, oltre ad essere nota, è posta uguale per tutte le unità si parla di campionamento casuale uguale per tutte le unità, si parla di campionamento casuale semplice.
In particolare, la casualità interviene nella selezione delle unità e si ottiene:
tt ib d d i ità d ll l i
attribuendo ad ogni unità della popolazione una probabilità nota e diversa da zero di essere selezionata;
a.
utilizzando in modo appropriato le tecniche per la b utilizzando in modo appropriato le tecniche per la
selezione.
b.
ociale
Il disegno di campionamento
Statistica So
Il disegno di campionamento
Il disegno di campionamento è l’insieme delle decisioni
Corso di S
Il disegno di campionamento è l insieme delle decisioni prese per formare il campione.
Le fasi: ?
d fi i i d ll t tt d l i
?
definizione della struttura del campione
selezione delle unità campionarie
probabilità di inclusione delle singole unità
determinazione della numerosità del campione
ociale
Il disegno di campionamento
Statistica So
Il disegno di campionamento
Definizione della struttura del campione
Corso di S
Richiede la definizione della lista delle unità che compongono l’universo che si intende osservare
Ad ogni unità deve essere attribuito un identificatore
PROBLEMI : Costi spesso eccessivi
PROBLEMI : Costi spesso eccessivi SOLUZIONI : Campionamento su più livelliCampionamento a grappoli
Selezione delle unità campionarie
Selezione casuale con reinserimento
Selezione casuale senza reinserimento
Selezione casuale sistematicaSelezione casuale sistematica (passo:N/n)(passo:N/n)Tavole dei numeri casuali
Prof.ssa C. Davino
ociale
Le tecniche di selezione casuale
Statistica So
Le tecniche di selezione casuale
Selezione casuale con reintroduzione (o bernoulliano)
Corso di S
Selezione casuale con reintroduzione (o bernoulliano)
Ogni elemento che viene estratto viene reintrodotto nella popolazione in modo tale che ad ogni estrazione successiva non popolazione in modo tale che ad ogni estrazione successiva non venga alterata la composizione della popolazione ed ogni elementoestratto ha sempre la stessa probabilità di venire scelto.
• Probabilità di estrazione di ciascun elemento:
1 1 1 , , , N N N
La numerosità della popolazione è di fatto considerata infinita;
• Universo campionario:
N
nLa numerosità della popolazione è, di fatto, considerata infinita;
Una unità può essere estratta più volte;
La probabilità di estrazione rimane costante.
Prof.ssa C. Davino
ociale
Le tecniche di selezione casuale
Statistica So
Le tecniche di selezione casuale
Selezione casuale senza reintroduzione
Corso di S
Ogni elemento, una volta estratto, non viene reimmesso nella popolazione per cui dopo ogni estrazione la probabilità che gli popolazione per cui, dopo ogni estrazione, la probabilità che gli elementi restanti entrino a far parte del campione viene modificata.
• Probabilità di estrazione di ciascun elemento:
1 ,..., 1
1 , 1 1
N n
N N
• Universo campionario: N
N1
N n 1
NN!n !La probabilità di estrazione varia ad ogni passo dell’estrazione
ociale
Il disegno di campionamento
Statistica So
Il disegno di campionamento
Selezione delle unità campionarie
Corso di S
Tavola dei numeri casuali Generazione automatica di n numeri casuali
Selezione delle unità campionarie
1-23-45-67-89-10 11-12 13-14 15-16 17-18 19-20 21-22 23-24 25-26 27-28 29-30 31-32 33-34 35-36 37-38 39-40 177 66 88 40 86 61 96 70 78 75 29 77 21 94 12 37 66 11 53 42 274 81 53 71 16 61 59 13 33 02 25 95 92 37 03 18 46 26 37 86 305 88 20 12 10 45 80 22 38 70 94 11 22 02 08 37 74 87 49 04 405 79 76 95 69 00 48 70 60 14 53 11 06 57 06 26 60 31 06 74 579 98 70 98 97 94 55 99 44 04 75 89 69 50 64 03 96 98 17 89 655 09 79 15 11 56 65 88 08 16 96 95 33 17 60 45 81 31 50 46 779 19 16 49 99 08 80 01 56 35 41 42 72 58 20 39 33 53 85 26 828 70 12 06 71 02 34 50 30 16 83 58 39 98 84 01 27 85 17 35 954 44 53 59 34 44 49 93 61 75 19 87 34 93 85 16 18 79 65 94
n numeri casuali
954 44 53 59 34 44 49 93 61 75 19 87 34 93 85 16 18 79 65 94 1093 69 31 43 93 93 77 39 72 40 66 32 90 86 65 88 41 19 36 86 1124 94 65 41 64 64 95 13 46 97 43 12 86 02 79 50 67 90 14 19 1204 07 67 01 59 03 27 37 83 20 17 82 11 80 46 08 32 68 60 26 1367 24 63 38 76 53 29 14 02 47 70 31 20 88 24 31 14 65 23 35 1469 06 90 51 48 94 89 77 41 66 54 60 66 95 46 73 76 59 20 05 1566 56 20 91 61 48 91 73 98 80 96 94 45 09 93 21 90 40 03 01 1636 48 02 01 88 94 20 08 07 64 08 84 26 41 25 54 43 65 82 24 1762 93 85 57 12 06 07 88 22 37 03 84 80 69 93 29 22 34 67 88 1894 01 05 57 71 98 47 26 58 99 72 11 69 93 22 46 72 52 75 62 1952 94 18 97 82 49 76 84 86 83 05 27 53 27 16 40 94 34 81 86 2027 43 78 39 71 17 16 72 43 37 60 73 83 41 31 32 61 05 37 89 2146 00 19 71 63 06 75 27 01 57 59 61 86 70 33 35 54 77 81 38 2229 58 01 44 39 62 83 16 97 46 31 27 27 43 67 66 35 08 86 34 2319 31 80 79 63 47 80 56 00 71 06 17 49 70 26 75 55 43 46 84 2402 52 31 23 74 12 16 62 21 19 76 63 33 43 17 16 96 00 42 50 2402 52 31 23 74 12 16 62 21 19 76 63 33 43 17 16 96 00 42 50 2506 00 13 63 57 37 51 83 45 58 21 01 02 89 88 07 74 32 21 87
Probabilità di selezione delle unità campionarie
• costanti
• variabili
Probabilità di selezione delle unità campionarie
(generalmente in funzione della dimensione dell’unità)
ociale
La tavola dei numeri casuali
Statistica So
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 29-30 31-32 33-34 35-36 37-38 39-40
La tavola dei numeri casuali
Corso di S
1 77 66 88 40 86 61 96 70 78 75 29 77 21 94 12 37 66 11 53 42 2 74 81 53 71 16 61 59 13 33 02 25 95 92 37 03 18 46 26 37 86 3 05 88 20 12 10 45 80 22 38 70 94 11 22 02 08 37 74 87 49 04 4 05 79 76 95 69 00 48 70 60 14 53 11 06 57 06 26 60 31 06 74 5 79 98 70 98 97 94 55 99 44 04 75 89 69 50 64 03 96 98 17 89
6 55 09 79 15 11 56 65 88 08 16 96 95 33 17 60 45 81 31 50 46 7 79 19 16 49 99 08 80 01 56 35 41 42 72 58 20 39 33 53 85 26 8 28 70 12 06 71 02 34 50 30 16 83 58 39 98 84 01 27 85 17 35 9 54 44 53 59 34 44 49 93 61 75 19 87 34 93 85 16 18 79 65 94 10 93 69 31 43 93 93 77 39 72 40 66 32 90 86 65 88 41 19 36 86
11 24 94 65 41 64 64 95 13 46 97 43 12 86 02 79 50 67 90 14 19 12 04 07 67 01 59 03 27 37 83 20 17 82 11 80 46 08 32 68 60 26 13 67 24 63 38 76 53 29 14 02 47 70 31 20 88 24 31 14 65 23 35 14 69 06 90 51 48 94 89 77 41 66 54 60 66 95 46 73 76 59 20 05 15 66 56 20 91 61 48 91 73 98 80 96 94 45 09 93 21 90 40 03 01
Prof.ssa C. Davino
ociale
La numerosità campionaria
Statistica So
La numerosità campionaria
Popolazione N
È l’insieme finito o infinito di unità, definito nei contenuti, nello spazio e nel tempo oggetto dell’indagine statistica
Corso di S
N spazio e nel tempo, oggetto dell indagine statistica
È costituito da un certo numero di unità, estratte con qualche Campione
procedimento da una popolazione, al fine di rappresentarla quanto ai caratteri oggetto di studio
Campione n
V
Parametro dellapopolazione
=
vStima del campione
Errore di
±
popolazione(incognito)
campione
campionamento
“ à d è ll h d
“La numerosità ottimadi un campione è quella che consente di ottenere gli obiettivi dell’indagine al minimo costoe sarà il numero minimo in base al quale le stime raggiungeranno il livello di attendibilità atteso.”
(L. Fabbris: L’indagine campionaria - NIS)
Prof.ssa C. Davino
ociale
L’errore di campionamento
Statistica So
L errore di campionamento
E’ legato al fatto che il campione estratto è uno dei possibili
Corso di S
campioni di uguale numerosità estraibili casualmente dalla stessa popolazione
La stima ottenuta è, quindi, una delle tante possibili determinazioni di una variabile casuale, lo stimatore, caratterizzato da un proprio valore medio e una propria variabilità.
2
Stimatore
ˆ
Valore atteso
ˆ
E ˆ
c ˆ
2 cc
E p
; ;
Varianza
Diminuisce all’aumentare del campione e, nel caso di p estrazione senza reintroduzione, è nullo per n=N
ociale
Determinazione della numerosità ottimale
Statistica So
Determinazione della numerosità ottimale
• Fissare la quantità di errore che si è disposti ad accettare nell’uso del campione per stimare il parametro della popolazione (errore di
Corso di S
del campione per stimare il parametro della popolazione (errore di campionamento ammesso, )
• Stimare lo scarto quadratico medio se non sono disponibili dati del q p passato
• Fissare il livello di confidenza desiderato Intervallo della stima per la media:
x z z2 2
Con n grande
a.
x z 2
n
22 n
z 2 e schema di
campionamento con reintroduzione:
2 1
x z N n n N
2
2
z n
Con n grande e schema di
i t
b.
2
1 2
1 z
N campionamento
senza reintroduzione:
ociale
Determinazione della numerosità ottimale
Statistica So
Determinazione della numerosità ottimale
Corso di S
Intervallo della stima per la media:
Metodo empirico Metodo empirico
Si determina la numerosità n00seguendo lo schema A;g ;
Se il valore di n0così calcolato risulta più piccolo del 5% di N, si utilizza il valore di n0;
0
1 0
n n
n
0;
Se n0 risulta superiore al 5% di N, si introduce un fattore di correzione che
1 N
calcola il valore corretto con la formula:
Prof.ssa C. Davino
ociale
E i
Statistica So
Il Comune di Macerata vorrebbe stimare con un'indagine campionaria il voto medio
Esempio
Corso di S
g p
di diploma degli studenti di scuola media superiore a Macerata. Da studi condotti in altre città, risulta che il voto di diploma segue una distribuzione normale con scarto
d ti di i 4 ti C l l l ità i i i i
quadratico medio pari a 4 voti. Calcolare la numerosità campionaria minima necessaria in modo che la stima non differisca dal reale voto medio della popolazione dei diplomati per più di 1 voto con un livello di confidenza del 95%.
p p p p p
Livello di fiducia=95%
=4 =1
z=1,96 z=2,33
ldf=90% z=1,64
ldf=95%
ldf=99%
=4 =1
,
61 47 , 1 61
4 96 . 1
2 2 2 2
2
2
z
n
21
2Prof.ssa C. Davino
ociale
Determinazione della numerosità ottimale
Statistica So
Determinazione della numerosità ottimale
Intervallo della stima per la proporzione:
2
Corso di S
Con n grande e schema di campionamento
a.
2
p z 1
n
2 2
2
1 z
n con reintroduzione: p
Con n grande e schema di campionamento i t d i
b. senza reintroduzione:
1 N n
p z
2 2
2
1 z n
2 1
p z
n N
2 2
2
1 1 1
n z
Metodo empirico N Metodo empirico
Nel caso di massima variabilità (=0,5), si può porre z=2.
2 1 22 1 1
Si ha allora:
2 2
2
1 n z
2 2
2 1 1
2 2 12
ociale
E i
Statistica So
Il Comune di una piccola cittadina vorrebbe costruire un complesso multisala in
Esempio
Corso di S
p p
un'area verde fuori dalla città. Prima di procedere con il progetto, il Consiglio Comunale vuole tastare il livello di gradimento della popolazione. Quale deve
il i i di i i i i di
essere il numero minimo di osservazioni campionarie per avere un errore di campionamento al massimo del 2% al livello di confidenza del 95%?
Livello di fiducia=95%
=0 02
z=1,96 z=2,33
ldf=90% z=1,64
ldf=95%
ldf=99%
=0,02
,
02 2401 0
5 , 0 5 , 0 96 . 1 1
2 2 2
2
z
n
20 , 02
2ociale
Determinazione della numerosità ottimale
Statistica So
Determinazione della numerosità ottimale
Stima per la proporzione:
Corso di S
5% 2% 1%
N n N n N n
100 80 100 96 100 99
300 170 300 270 300 296
500 220 500 415 500 475
1000 285 1000 715 1000 910
5000 370 5000 1660 5000 3330
5000 370 5000 1660 5000 3330
> 8000 400 (n0) 10000 2000 10000 5000
>50000 2500 (n ) 20000 6350
>50000 2500 (n0) 20000 6350
>200000 10000 (n0)
(livello di confidenza = 95%)
Prof.ssa C. Davino
ociale
Determinazione della numerosità ottimale
Statistica So
Determinazione della numerosità ottimale
• Stima dei parametri di una sola variabile
Corso di S
Stima dei parametri di una sola variabile
• Stima dei parametri di una pluralità di variabili
• Determinazione della numerosità campionaria per ciascuna variabile
• Assumere come ampiezza campionaria l’npiù
• Assumere come ampiezza campionaria lnpiù elevato
• Obiettivo dell’analisi
Prof.ssa C. Davino
ociale
L’errore nella ricerca sociale
Statistica So
L errore nella ricerca sociale
E di l i
1. Errore di copertura
2 E di i t
Corso di S
Errore di selezione
E di i
2. Errore di non-risposta 3. Errore di campionamento Errore di osservazione
Errore di trattamento dati
1. Errore di copertura
• Lista della popolazione
• Aggiornamento
• Duplicazioni
I l t
• Incompletezza
Soluzioni
• Ridefinire la popolazione• Trascurare gli esclusi
• Integrare il campione