Esercizio 6. In uno studio sul glaucoma, vengono scelti a caso n = 12 pazienti e viene loro misurata la pressione
interoculare (IOP) in mmHg la mattina e la sera con l’obiettivo di stabilire se la pressione misurata al mattino
differisca da quella misurata alla sera. In scala logaritmica, i valori ottenuti sono i seguenti:
X = logIOP di mattina 2.8 2.5 2.5 3.5 3.4 2.2 2.7 2.9 2.8 3.0 2.9 3.4
Y = logIOP di sera 2.3 2.1 2.8 3.0 2.5 2.1 2.6 2.2 1.9 2.9 3.3 3.2
Inoltre, è ragionevole assumere che le differenze tra i logaritmi delle IOP costituiscano un campione di dati
gaussiani.
1. Scrivere ipotesi nulla, ipotesi alternativa e regione di rifiuto per un test statistico che stabilisca se c’è
evidenza sperimentale che la pressione media, in scala logaritmica, diminuisca nella giornata.
2. Ricavare un intervallo in cui cade il p-value del test al punto 1. Quali conclusioni si possono trarre agli
usuali livelli di significatività?
3. Trovare un intervallo di confidenza per la media di X − Y del tipo (c, +∞) di livello 1 − α = 99%; calcolare
la corrispondente stima intervallare con i dati forniti.
1
1. Determinare lo stimatore di massima verosimiglianza Tn di θ basato sul campione. Ricordarsi di verificare
che l’unico punto stazionario della verosimiglianza sia effettivamente il punto di massimo.
Pn
2. Calcolare e riconoscere la distribuzione di Y1 = X12 . Inoltre, verificare che Qn = 2n 2
θ2 Y n = θ2 i=1 Yi ha
distribuzione χ2 (2n), dove Yi := Xi2 per ogni i = 1, . . . , n.
3. Dedurre una quantità pivotale e costruire a partire da essa un intervallo di confidenza bilatero per θ2 di
livello del 95% (indicando il procedimento usato). Sapendo che la stima di massima verosimiglianza di θ
ottenuta da un campione di ampiezza n = 10 (vedi punto 1) è pari a 3.5, ricavare la corrispondente stima
intervallare per θ2 .
SOLUZIONI 01/02/16
Esercizio 1. Dispense [LEP] pp. 108–110.
Esercizio 2.
1. L’ampiezza è l’estremo superiore delle probabilità di rifiutare H0 quando H0 è vera; nel nostro caso H0 è
semplice e si ha
X −6 7−6
Pµ=6 X > 7 = Pµ=6 √ > √ = 1 − Φ(2) ' 1 − 0.97725 = 2.275% .
1/ 4 1/ 4
Esercizio 3. Dato che la varianza è sempre positiva, si tratta di trovare un limite di confidenza superiore per
la varianza. Usiamo la quantità pivotale (n − 1)Sn2 /σ 2 , che sappiamo avere distribuzione χ2 (n − 1); usando il
quantile χ21−α (n − 1) di ordine 1 − α (convenzione della coda destra) si ha
(n − 1)Sn2 (n − 1)Sn2
2 2
Pµ,σ ≥ χ1−α (n − 1) = 1 − α, ⇔ Pµ,σ σ ≤ 2 = 1 − α,
σ2 χ1−α (n − 1)
che ci dice che (n − 1)Sn2 χ21−α (n − 1) è un limite di confidenza superiore per σ 2 di livello 1 − α.
Esercizio 4.
1 1
2. Dal risultato precedente con λ1 = 1000 e λ2 = 500 segue che la probabilità cercata è
1/1000 1
1/1000+1/500 = 3.
Esercizio 5.
Cov(X1 , X2 ) 1
(a) ρ = p =√ .
Var(X1 ) Var(X2 ) 2
(b) Il vettore Y = (Y1 , Y2 ) è trasformazione affine del vettore normale X; pertanto anche Y è normale e le
sue componenti sono indipendenti se e solo se sono scorrelate. Il parametro a deve quindi essere tale che
2
(c) Y1 è una variabile aleatoria normale perché componente di un vettore normale e quindi
√ la sua legge è
−3 + 5
completamente determinata dal suo valore atteso e dalla sua varianza. Per a = si ha
2
√
E[Y1 ] = E[X1 + aX2 − 1] = 4 + 2a − 1 = 5,
√
Var[Y1 ] = Var[X1 + aX2 + 1] = Var[X1 ] + a2 Var[X2 ] + 2a Cov(X1 , X2 ) = 1 + 2a2 + 2a = 5 − 2 5,
e pertanto
√ ( )
1 (y − 5)2
fY1 (y) = q √ exp − 2(5 − 2√5) .
2π(5 − 2 5)
√
(d) Poiché Y1 è una variabile aleatoria continua, P (Y1 = 5) = 0.
In particolare, invertendo la disuguaglianza tra le parentesi qui sopra rispetto a µW si trova che l’IC
cercato è r !
2
SW
W − tα,n−1 , +∞ ,
n
q
s2
dove tα,n−1 = t0.01,11 = 2.718; sostituendo i valori osservati del campione troviamo tα,11 12w ' 0.3303 e
la stima intervallare risulta essere (−0.0220, +∞).
Esercizio 7.
1. Se (x1 , . . . , xn ) indica il campione osservato, la funzione di verosimiglianza del campione è
n n n
! n
Y Y 2 −(xi /θ)2 2n Y n 1 X
2
o
L(θ; x1 , . . . , xn ) = fθ (xi ) = x i e = x i exp − x
i=1 i=1
θ2 θ2n i=1 θ2 i=1 i
3
q Pn
x2i
Pertanto i=1
n è punto di massimo per L(θ; x1 , . . . , xn ) e lo stimatore di massima verosimiglianza Tn
di θ è r Pn
2
i=1 Xi
Tn = .
n
√
2. Sia X1 che Y1 sono v.a. positive q.c.; allora X1 = Y1 e
√
√ 1 1 2 √ ( y)2 1 y
fY1 (y) = fθ ( y) × √ 1(0,+∞) (y) = √ 2 y exp{− 2 } 1(0,+∞) (y), = 2 e− θ2 1(0,+∞) (y),
2 y 2 y θ θ θ
iid Pn
cioè Y1 ∼ Exp( θ12 ). Allora, visto che Y1 , . . . , Yn ∼ Exp( θ12 ), si ha i=1 Yi ∼ Γ(n, 1/θ2 ). Inoltre,
calcolando la funzione generatrice dei momenti di Qn :
2t 1 n 1 2n
2
θ2 2
mQn (t) = mPn Yi = 1 2t = 1 .
1
θ2 θ2 − θ2 2 −t