第七章 抽样与参数估计.pptVIP

在对总体均值进行区间估计时，需要考虑总体是否为正态分布、总体方差是否已知、用于构造估计量的样本是大样本还是小样本 t?/2是自由度为n-1时，t分布中右侧面积为?/2时的t值。 如果P（t=x）=?，则对于任意给定的概率p（0=?=1），可以求出相应的x。 1.用于估计总体某一参数的随机变量 如样本均值，样本比例、样本中位数等 例如: 样本均值就是总体均值?的一个估计量 如果样本均值 ?x = 3 ，则 3 就是 ? 的估计值 理论基础是抽样分布 估计量11 （概念要点） 估计量的优良性准则（无偏性） 无偏性：估计量的数学期望等于被估计的总体参数 P( X ) X C A ? 无偏 有偏 估计量的优良性准则（有效性） A B ? 中位数的抽样分布 均值的抽样分布 X P(X ) 有效性：一个方差较小的无偏估计量称为一个更 有效的估计量。如，与其他估计量相比 ，样本均值是一个更有效的估计量 估计量的优良性准则（一致性） 一致性：随着样本容量的增大，估计量越来越接近被估计的总体参数 A B 较小的样本容量 较大的样本容量 ? P(X ) X 区间估计 区间估计（概念要点） 1. 根据一个样本的观察值给出总体参数的估计范围 给出总体参数落在这一区间的概率 例如: 总体均值落在50~70之间，置信度为 95% 样本统计量 (点估计) 置信区间 置信下限 置信上限 置信区间估计（内容） ?2 已知 ?2 未知? 均 值 方 差 比 例 置 信 区 间 定义：如果将构造置信区间的步骤重复多次，置信区间中包含总体参数真值的次数所占的比率，称为置信水平。 表示为 (1 - ??? ??为显著性水平，是总体参数未在区间内的概率? 常用的置信水平有 99%, 95%, 90% 相应的 ??为0.01，0.05，0.10 置信水平 由于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。 原因是：如果我们抽取了许多不同的样本，比如说抽取100个样本，根据每一个样本构造一个置信区间，这样，由于100个样本构造的总体参数的100个置信区间中，有95%的区间包含了总体参数的真值，而5%则没有包含，则95%被称为置信水平。 落在总体均值某一区间内的样本 ? ? x _ X X = ? ? Z?x 95% 的样本 ? -1.96 ?x ? +1.96?x 99% 的样本 ? - 2.58?x ? + 2.58x 90%的样本 ? -1.65 ?x ? +1.65?x 区间与置信水平 均值的抽样分布 (1 - ?) % 区间包含了? ? % 的区间未包含? 1 - a a/2 a/2 影响区间宽度的因素 1. 数据的离散程度，用 ? 来测度 样本均值标准差 置信水平 (1 - ?)，影响 Z 的大小 第三节 总体均值的区间估计 一、总体均值的区间估计 二、 样本容量的确定 总体均值的区间估计 (?２已知) 总体均值的置信区间 (?２ 已知) 1. 假定条件 总体服从正态分布,且总体方差（?２）已知 如果不是正态分布，但是大样本(n ? 30)时，可以由正态分布来近似 使用标准正态分布统计量Ｚ 总体均值 ? 在1-?置信水平下的置信区间为 ?是预先确定的一个概率值，也被称为风险值，它是总体均值不包括在置信区间的概率； Z?/2是标准正态分布上侧面积为?/2时的Z值。 是估计总体均值时的边际误差，也称为估计误差。 总体均值的置信区间由两部分组成：点估计值和描述估计量精度 总体均值的区间估计（正态总体：实例） 解：已知Ｘ~N(?，0.152)，?x＝2.14, n=9, 1-? = 0.95，Ｚ?/2=1.96 总体均值?的置信区间为 我们可以95％的概率保证该种零件的平均长度在21.302～21.498 mm之间 【例】某种零件长度服从正态分布，从该批产品中随机抽取９件，测得其平均长度为21.4 mm。已知总体标准差? =0.15mm，试建立该种零件平均长度的置信区间，给定置信水平为0.95。 总体均值的区间估计（非正态总体：实例） 解：已知 ?x＝26, ?=6，n=100, 1-? = 0.95，Ｚ?/2=1.96 我们可以95％的概率保证平均每天参加锻炼的时间在24.824～27.176 分钟之间 【例】某大学从该校学生中随机抽取100人，调查到他们平均每天参加体育锻炼的时间为26分钟。试以95％的置信水平估计该大学全体学生平均每天参加体育锻炼的时间（已知总体方差为36小时）。 总体均值的区间估计 (?２未知) 总体均值的置信区间 (?２ 未知) 1. 假定条件 总体方差（?２）未知 总体必须