Esercizio. Si vuole analizzare la piovosità di Pisa in autunno prendendo come riferi- mento il mese di novembre.
Ogni giorno può piovere (=1) o non piovere (=0). Supponiamo che l’esito (pioggia o meno) di un generico
giorno sia descrivibile con una v.a. X di tipo B(1; p).
1) Stimare p sulla base dei seguenti dati di novembre 2010 (i dati sono immaginari):
100001001010101111000000000111
(nota: sono stati ottenuti col software R col comando rbinom(30,1,p); non dichiriamo il valore usato per p).
2) Dare un intervallo di …ducia al 90%. Scegliere una strategia esatta.
3) Dare un intervallo di …ducia al 90% approssimato, migliore del precedente.
4) Se si vuole, al 90%, una precisione pari a 0.01, quanti giorni bisogna osservare?
Soluzione. 1) Come stimatore di p usiamo la frequenza relativa, pari anche alla media aritmetica del campione,
X = X 1 + ::: + X n n qui pari a (n = 30)
p = 12 30 = 0:4:
12 30 = 0:4
2) Per Chebyshev abbiamo
P X p > p (1 p) n 2
1 4n 2
quindi se vogliamo che sia P X p > 0:1, dobbiamo prendere tale che 1
4 30
20:1, ovvero 2 4 30 0:1 1 = 12 1
p 1
12 = 0:288:
L’errore assoluto nella stima di p, al 90%, è di 0.288, molto alto comparativamente con la stima stessa. L’intervallo risulta essere
[0:4 0:288; 0:4 + 0:288] = [0:112; 0:688] : 3) Per il TLC
P X p > = P X 1 + ::: + X n np
n >
= P X 1 + ::: + X n np p n p
p (1 p) >
p n p p (1 p)
!
P jZj >
p n p p (1 p)
!
1
dove Z è una v.a. gaussiana
= 2P Z >
p n p p (1 p)
!
= 2 1
p n p p (1 p)
!!
:
Quindi, se vogliamo che sia P X p > 0:1, dobbiamo prendere tale che 2 1 p p n
p(1 p)
0:1, ovvero
1
p n p p (1 p)
! 0:1
2 p n
p p (1 p)
!
1 0:1 2 p n
p p (1 p) q 1
0:1 2quindi
q 1
0:12