 |
CowBoy |
.arcimaestro.
Registered: May 2006
Posts: 294 (0.04 al dì)
Location: Milano
Corso: F49 - Informatica
Anno: Laureato F49
Time Online: 3 Days, 13:40:27 [...]
Status: Offline
Edit | Report | IP: Logged |
Si ragiona in termini di uguaglianza. Devi semplicemente mostrare che applicando le regole della distribuzione normale per il campione estratto nel TLC, riesci ad arrivare alla stessa condizione di uguaglianza.
Per il procedimento ti quoto l'ottima spiegazione data ta mackone nel thread "esame 12/01":
Originally posted by mackone
La variabile casuale Mx (media campionaria) somma di n normali tutte di parametri μ e σ² è a sua volta una normale di parametri μ e σ²/n.
Per semplicità, nella formula, scrivo Mx al posto di 1/nΣXi, riducendola a
P(|Mx-μ|<=c*σ)
√(σ²/n)=σ/√n (che è >0)
P(|Mx-μ|/(σ/√n)<=c*σ/(σ/√n))
P(|(Mx-μ)/(σ/√n)|<=c*√n)
ora quanto dentro al modulo è una normale standard N(0,1)
P(|N(0,1)|<=c*√n)
P(-c*√n<=N(0,1)<=c*√n)
P(N(0,1)<=c*√n)-P(N(0,1)>-c*√n)
per la simmetria della N(0,1)
P(N(0,1)<=c*√n)-(1-P(N(0,1)<=c*√n))
2*P(N(0,1)<=c*√n)-1
ma P(N(0,1)<=c*√n)=Φ(c*√n)
2*Φ(c*√n)-1
C.V.D.
__________________
.. ±·ø·±-`` MuSiC iS My LanGuAGe ´´-±·ø·± ..
Last edited by CowBoy on 31-03-2012 at 14:04
|