<dc:title> Teoria degli errori e fondamenti di statistica </dc:title><dc:creator opt:role="aut">Maurizio Loreti</dc:creator><dc:date>2006</dc:date><dc:subject></dc:subject><dc:rights>CC BY-SA 3.0</dc:rights><dc:rights>GFDL</dc:rights><dc:relation>Indice:Teoria_degli_errori_e_fondamenti_di_statistica.djvu</dc:relation><dc:identifier>//it.wikisource.org/w/index.php?title=Teoria_degli_errori_e_fondamenti_di_statistica/C.5&oldid=-</dc:identifier><dc:revisiondatestamp>20220903091025</dc:revisiondatestamp>//it.wikisource.org/w/index.php?title=Teoria_degli_errori_e_fondamenti_di_statistica/C.5&oldid=-20220903091025
Teoria degli errori e fondamenti di statistica - C.5 Applicazioni alla stima di parametri Maurizio LoretiTeoria degli errori e fondamenti di statistica.djvu
Se la densità di probabilità di una variabile casuale dipende da un parametro di valore vero ignoto , abbiamo visto nel capitolo 11 che una stima di tale valore può essere ottenuta col metodo della massima verosimiglianza; e che è possibile ricavare dalla derivata seconda della funzione di verosimiglianza (che ne misura la concavità nel punto di massimo) l’errore di questa stima, attraverso l’equazione (11.5).
Il metodo si può ovviamente estendere alla stima contemporanea di più parametri (e lo abbiamo in effetti usato, ad esempio, per ricavare i due coefficienti della retta interpolante nel paragrafo 11.4.1): se è la variabile misurata, di densità di probabilità dipendente da parametri , le stime di massima verosimiglianza si ricavano risolvendo il sistema ottenuto annullando contemporaneamente ognuna delle derivate parziali prime (ed esaminando poi ognuna delle eventuali soluzioni per controllare se corrisponde ad un massimo).
I punti enunciati nel paragrafo 11.2 continuano a rimanere validi anche nel caso multidimensionale: in particolare, ognuna delle stime è asintoticamente normale; e si troverebbe che le derivate seconde della funzione di verosimiglianza nel punto di minimo sono legate all’inversa della matrice delle covarianze delle stime attraverso la
(C.16)
che si può pensare come la generalizzazione a più stime contemporanee dell’equazione (11.5).
Come esempio, abbiamo già visto nel paragrafo 11.5 come stimare contemporaneamente i due parametri e di una popolazione normale da un campione di determinazioni indipendenti col metodo della massima verosimiglianza; e vogliamo ora ricavare gli errori di quelle stime dalla (C.16).
Ricordiamo dal paragrafo 11.5 che il logaritmo della densità di probabilità vale
;
e che le due stime di massima verosimiglianza per e
sono
per cui, dalla (C.16), l’inverso della matrice delle covarianze (che è diagonale) è
e la matrice stessa vale
.
Insomma, oltre alla consueta espressione della varianza della media
abbiamo ottenuto quella della varianza di
da confrontare con la (B.1), in cui però era già stato corretto, moltiplicandolo per un fattore , per eliminare la distorsione della stima; e la riconferma del fatto, già visto nel paragrafo 12.1 a pagina 203, che valore medio e varianza di un campione di stime indipendenti sono variabili casuali statisticamente indipendenti tra loro (le covarianze infatti sono nulle).