《统计学》课件参数估计.ppt

参数估计方法 参数估计概述 参数估计在统计估计问题中的地位 统计估计问题的产生 以下情况会导致统计估计问题： 需要估计分别类型的问题: 在许多实际问题中，总体被理解为我们所研究的某个统计指标，它在一定范围内取值，而且以一定的概率取各种可能的值，从而形成一个概率分布； 而这个概率分布往往未知。如为了制定绿色食品的有关规定，需要研究蔬菜中残留农药的分布状况。对这个分布我们知之甚少，甚至不清楚它属于何种类型的分布。 需要估计分布参数的问题： 有时分布类型已知，如在农民收入调查中，根据实际经验和理论分析，可以断定收入服从正态分布； 但分布中的参数未知，需要估计。 统计估计的类别 统计估计问题专门研究由样本估计总体的未知分布或分布中的未知参数。 非参数估计和参数估计： 直接对总体的未知分布进行估计的问题为非参数估计； 当总体分布类型已知，仅需对分布的未知参数进行估计，称为参数估计。 5.3.2 参数估计的方法 ——点估计、区间估计 估计量与估计值 (estimator & estimated value) 估计量：用于估计总体参数的样本统计量。 如样本均值、样本比例(成数)、样本方差等； 例如: 样本均值就是总体均值? 的一个估计量。 估计值：估计参数时计算出来的统计量的具体值。 如果样本均值x =80，则80就是?的估计值。 注：有时，对估计量和估计值并不刻意区分，都称为估计，根据上下文很容易明确其指代。 一个总体参数的估计 参数估计的方法 点估计 (point estimate) 做法：用样本估计量的值直接作为总体参数的估计值。 例：用样本均值直接作为总体均值的估计；用样本成数直接作为总体成数的估计。 例：用两个样本均值之差直接作为总体均值之差的估计。 2. 缺点：没有考虑抽样误差的大小；没有给出估计值接近总体参数的程度。 点估计的方法有矩估计法、顺序统计量法、最大似然法、最小二乘法等。 评价估计量的标准 无偏性(unbiasedness) 无偏性：估计量(随机变量)的数学期望等于被估计的总体参数 中心极限定理证明了：样本平均数和样本成数都满足无偏性。 有效性(efficiency) 一致性(consistency) 一致性：随着样本容量的增大，估计量的值越来越接近被估计的总体参数。 大数定律已经证明了：样本平均数和样本成数都满足一致性 。 区间估计 (interval estimate) 在点估计的基础上，给出总体参数估计的一个区间范围，该区间由样本统计量加减一个误差范围（即抽样极限误差）而得到的 区间估计的基本原理 区间估计的图示 置信水平(confidence level) 将构造置信区间的步骤重复很多次，置信区间包含总体参数真值的次数所占的比例称为置信水平 ； 表示为 (1 - ????； ??为是总体参数未在区间内的比例? 常用的置信水平值有 99%, 95%, 90%。 相应的 ??为0.01，0.05，0.10 置信区间 (confidence interval) 由样本统计量所构造的总体参数的估计区间称为置信区间； 统计学家在某种程度上确信这个区间会包含真正的总体参数，所以给它取名为置信区间。 置信区间与置信水平 5.4 总体均值的区间估计 总体均值的区间估计 (正态总体、?２已知，或非正态总体、大样本) 总体均值的区间估计 假定条件 总体服从正态分布,方差(?２) 已知 若非正态分布，但是大样本(n ? 30)，可近似正态 总体均值 在1-?置信水平下的置信区间为 总体均值的区间估计(例题分析) 总体均值的区间估计(例题分析) 总体均值的区间估计 (正态总体、?２未知、小样本) 总体均值的区间估计 1. 假定条件 总体服从正态分布,且方差(?２) 未知 小样本 (n < 30) 使用 t 分布统计量 t 分布 总体均值的区间估计(例题分析) 总体均值的区间估计(例题分析) 5.5 总体比例的区间估计 总体比例的区间估计(大样本，重复抽样) 1. 假定条件 总体服从二项分布 可以由正态分布来近似 使用正态分布统计量Ｚ 总体比例的区间估计(大样本，不重复抽样) 1. 假定条件 总体服从二项分布 可以由正态分布来近似 使用正态分布统计量Ｚ 总体比例的区间估计(例题分析) 总体比例的区间估计(例题分析) 区间估计的方法 区间估计的方法 方法一：根据已经给定的抽样误差范围，求F(Z) (1)抽取样本，计算抽样指标，如计算抽样平均数或抽样成数作为相应总体指标的估计值，并计算样本标准差以推算抽样平均误差； (2)根据给定的抽样误差范围，估计总体指标的上、下限； (3)将抽样误差除以抽样平均误差求出概率度Z值，再根据Z值查“正态分布概率表”求出相应的置信度F(