Pagina:Teoria degli errori e fondamenti di statistica.djvu/77

5.9 - Stima della varianza della popolazione

61

5.9 Stima della varianza della popolazione

Vediamo ora come si può stimare la varianza dell’insieme delle infinite misure che possono essere fatte di una grandezza fisica a partire da un particolare campione di $N$ misure. Riprendiamo l’equazione (5.13); in essa abbiamo già dimostrato che

$E(s^{2})=\sigma ^{2}-{\sigma _{\bar {x}}}^{2}$

e sappiamo dalla (5.6) che la varianza della media del campione vale

${\sigma _{\bar {x}}}^{2}={\frac {\sigma ^{2}}{N}}$.

Risulta pertanto

$~E(s^{2})={\frac {N-1}{N}}\sigma ^{2}~$

e quindi

Mediamente la varianza di un campione di N misure è inferiore alla varianza della intera popolazione per un fattore $(N-1)/N$.

Questo è il motivo per cui, per avere una stima imparziale (ossia mediamente corretta) di $\sigma$, si usa (come già anticipato) la quantità $\mu$ definita attraverso la

$\mu ^{2}={\frac {N}{N-1}}s^{2}={\frac {\sum \limits _{i=1}^{N}\left(x_{i}-{\bar {x}}\right)^{2}}{N-1}}$,

quantità il cui valore medio su infiniti campioni risulta proprio $\sigma ^{2}$.

5.10 Ancora sullʼerrore quadratico medio

Diamo qui un’altra dimostrazione del teorema riguardante la stima corretta dell’errore quadratico medio di una popolazione a partire da un campione, seguendo una linea diversa e più vicina alle verifiche sperimentali che si possono fare avendo a disposizione numerosi dati.

Si supponga di avere $M$ campioni contrassegnati dallʼindice $j$ (con $j$ che assume i valori $1,\ldots ,M$); ciascuno di essi sia poi costituito da $N$ misure ripetute della stessa grandezza $x$, contrassegnate a loro volta dallʼindice $i$ ($i=1,\ldots ,N$): il valore osservato nella misura $i$-esima del campione $j$-esimo sia indicato insomma dal simbolo $x_{ij}$.