dunque @ghira.
Per applicare il fattore di correzione di $+0.5$ il problema avrebbe dovuto essere impostato diversamente, ovvero sui valori assoluti della variabile (correttamente hai fatto $2+0.5$)
Qui invece il "ragazzo" ha utilizzato un test sulla proporzione e quindi il fattore di correzione non può essere più $0.5$ ma deve essere $1/(2xxn)$
Tieni presente anche che, contrariamente al calcolo delle probabilità, nella prova di ipotesi l'utilizzo del fattore di correzione non è così diffuso: il test passa o non passa, poco importa il risultato. Se applicando un fattore di correzione il test fa cambiare la decisione significa che il test è troppo borderline....quindi in tale caso occorre riflettere sulla decisione da prendere, facendo altri test.
CONCLUSIONEOra, per non confondere definitivamente le idee
1, diciamo che in questo caso è meglio usare la binomiale come hai detto all'inizio e come ho calcolato analiticamente qui
tommik ha scritto:
$P_("Value")=sum_(x=0)^(2)((6),(x))0.9^x 0.1^(6-x)~~0.13%$
e ricordare che, in linea generale, la statistica test per la prova di ipotesi nel caso di proporzioni campionarie (approssimate con la gaussiana) è la seguente
$Z_("Stat")=(bar(p)-p_0)/sqrt(p_0(1-p_0)) sqrt(n)~Phi$
dove $p_0$ è il valore di $p$ sotto ipotesi nulla $mathcal(H)_0$
mentre $bar(p)$ è il valore della media campionaria
OSSERVAZIONE IMPORTANTELa formula della statistica test può creare confusione perché quando si calcolano gli intervalli di confidenza della proporzione la quantità pivotale da usare è questa:
$(bar(p)-p)/sqrt(bar(p)(1-bar(p))) sqrt(n)~Phi$
che è esattamente come ha fatto @Matteo all'inizio. Non vi è alcuna contraddizione in ciò in quanto la formula usata negli intervalli di confidenza
non è la formula esatta dell'approssimazione2 che invece dovrebbe essere questa
$(bar(p)-p)/sqrt(p(1-p)) sqrt(n)~Phi$
Ora per l'intervallo di confidenza occorrerebbe risolvere una doppia disuguaglianza in $p$ che genera una formula per l'intervallo di confidenza poco gestibile (
guarda qui per un approfondimento) e quindi si adotta
un'approssimazione dell'approssimazione sostituendo al denominatore $bar(p)$ al posto di $p$; in altre parole si sostitusce alla varianza della popolazione la sua stima di massima verosimiglianza...
Nella prova di ipotesi il problema di calcolo non si pone e quindi si lascia giustamente al denominatore ciò che ci deve stare, ovvero il valore di $p$ fissato in $mathcal(H)_0$
Sicuramente sono stato un po' troppo sbrigativo ma la questione è tutt'altro che semplice da spiegare in poche parole. Sul forum comunque in vari anni di partecipazione ho spiegato la questione in numerosi topic che sono ben visibili e facili da reperire tramite la funzione "cerca"
Spero comunque di essere stato chiaro