[生物统计课件杜荣骞]第六章参数估计.pptVIP

第六章 参数估计 6.1.2 有效估计量 6.1.3 相容估计量 §6.2区间估计 6.2.2 的置信区间 6.2.3 的置信区间 例 计算经提纯后小麦株高方差的0.99置信区间。由所给数据 n = 10 计算出 s = 4.92 ，从附表6查出， , 代入上式得 的0.99置信区间为（3.04, 1.21）。 若做双侧检验，临界值 ，其结论仍然是拒绝 。从置信区间角度看， 不在置信区间（3.04, 11.21）内，结论是 。可见两种推断方法的结果是一致的。 6.2.4 平均数差的置信区间 6.2.5 配对数据的置信区间 6.2.7 二项分布总体的置信区间 * 参数估计（estimation of parameter）：由样本统计量对总体分布中某些重要参数进行统计估计的方法。主要适用于知道总体分布类型，但重要参数未知的情况。不论是连续型还是离散型数字总体，都有平均数、标准差、偏斜度和峭度等特征数。通过抽取样本就可以得到参数的估计值，也就确定了总体的分布。 估计量（estimator）是为进行总体参数估计所构造的的统计量。 总体参数的估计可分为： ○点估计（point estimate）：利用样本数据计算的单个数值（统计量），用它来对总体参数所做的估计。 ○区间估计（interval estimate） ，它给出一个取值范围，并给出总体参数落入这一范围中的概率。该取值范围就称为置信区间（confidence interval） ，而总体参数落入这一区间中的概率称为置信水平（confidence level） 。 例如血球计数或水样中细菌计数，它的分布是泊松分布，再比如我们要研究某一人群的身高，一般来说身高服从正态分布。因此问题就是要通过样本确定参数 、 和 。有时对总体服从什么分布不感兴趣，只想知道它的一两个重要参数就可以了，此时也可使用参数估计。 测定样本的取值，代入统计量公式中就可得到总体参数的估计值。 §6.1点估计 用统计量对总体参数进行估计。为了估计同一个参数我们可能构造出许多各不相同的估计量，如可以用样本（算术平均、几何平均、加权平均、调和平均）平均数 ，中位数或众数来估计 。用 和 去估计 。如何能从其中选出一种统计量？一般而言，好的统计量应该满足下列三个条件，即 1°无偏性：即要求估计量的数学期望应等于所求的总体参数。 2°有效性：当样本含量n相同时，方差小的估计量称为更有效。 3°相容性：设 为参数 的估计量，若对任意 0, 有 则称 为 的一致估计量。 建立这些评价标准，才能说我们的选择是有道理的。 6.1.1 无偏估计量 如果一个统计量的理论平均数（数学期望）等于总体参数，这个统计量就被称为无偏估计量（unbiased estimator）。 ◎ 样本平均数的数学期望等于总体平均数， 因此，样本平均数是总体平均数的无偏估计量。 ◎ 样本方差（以 为除数）的理论平均数等于总体方差， 因此，样本方差是总体方差的无偏估计量。 ◎ 样本标准差并不是总体标准差的无偏估计量， 由 估计 时的偏离，可以用 消除， 随 增加， 很快接近1。表明随样本含量增加，偏离的程度越小。 用 为除数求得的方差才是 的无偏估计量。用 为除数求得的结果并不是 的无偏估计量。这是在求样本方差时用 为除数的原因。 在样本含量相同时，若一个统计量的方差小于另外一个统计量的方差，则前一个统计量是更有效的估计量（efficient estimator）。 如果统计量的取值任意接近于参数值的概率随样本含量的无限增加而趋于1，则该统计量称为参数的相容估计量（consistent estimator）。 以样本平均数是总体平均数的相容估计量说明如下：样本平均数的一切可能取值都围绕在 附近，它们的变异程度可以用样本平均数的方差 来衡量。 ，随着 的无限增加， 越来越小，当 时， 。这时唯一的 值就是