9.3 数值变量资料的统计推断.pptVIP

抽样误差(sampling error)：抽样所致样本与总体或样本之间的差别。 均数的抽样误差：样本均数与总体均数或样本均数之间的差别。 掌握了抽样误差的规律便可由样本均数估计总体均数的大概范围。 例题 将某地14岁健康女生的身高资料作为总体，其分布近似正态分布，均数为155.40cm，标准差为5.30cm。现从该总体中随机抽取n＝10的100个样本，可计算100个样本的均数，得频数分布如下： 组 段 151～152～153～154～155～156～157～158～ ≥159 频 数 1 6 10 18 29 20 8 6 2 理论证明： 1) 从 N(μ,σ2) 中随机抽取含量为 n 的样本，样本均数也服从正态分布（变异更小）。 2) 即使偏态总体，当n足够大时（50），样本均数也近似服从正态分布。 3)μ，σ，n 样本均数的均数≈μ 例：某地14岁健康女生的身高近似服从正态分布，μ=155.40cm,σ=5.30cm。从该总体随机抽取n=10的100个样本，得到100个均数。 抽样误差是多少？ 均数标准误的用途： 1) 衡量样本均数的可靠性； 2) 与样本均数结合，估计总体均数的置信区间； 3) 对均数的假设检验。 二、t 分布 自由度 = 9时，单侧（a）与双侧（b）t 分布曲线下尾部面积 。 三、总体均数的置信区间估计 2. 区间估计 (interval estimation)： 按预先给定的概率，估计总体参数在哪个范围。 范围: 可信区间或置信区间（confidence interval, C.I.） 预先给定的概率1-α: 可信度或置信度 (confidence level)。 四、假设检验的基本思想和步骤 例 某地抽样调查了280名健康成年男性的血红蛋白含量，其均数为136.0g/L，标准差为6.0g/L。另随机抽取300名某成年男性人群其血红蛋白含量的均数为140.0g/L，标准差5.8g/L。能否认为该地成年男性的血红蛋白含量与该成年男性人群的血红蛋白含量的均数不同？ 假设检验是用来判断样本与样本，样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。 （二）假设检验的步骤例9-14 某地抽样调查了280名健康成年男性的血红蛋白含量，其均数为136.0g/L，标准差为6.0g/L。已知正常成年男性血红蛋白含量的均数为140.0g/L。 试问能否认为该地成年男性的血红蛋白含量与正常成年男性的血红蛋白含量的均数不同？ 1. 提出假设： H0(检验假设/无效假设)：μ =μ0 H1(备择假设)： μ≠μ0 (双侧) μ＞μ0 或 μμ0 (单侧) 本例： H0：样本来自的总体血红蛋白均数与正常成年男性的血红蛋白均数相等。（μ=μ0 )。 2. 确定检验水准? (显著性水平, significance level)： ? ：事先规定的小概率事件。 在统计学上，如果随机事件发生的概率小于等于?（一般而言， ? ＝ 0.05），则称该随机事件为小概率事件，其意义为对于一次随机抽样，小概率事件一般是不会发生的。 本例： ?=0.05，双侧 4. 确定P 值 (P value) 和作出推断结论 P 值：H0成立时，出现当前情况及更极端情形的概率 。 由统计量的概率分布以及? 得到一个临界值，根据统计量值的大小可以得出P值。 P ? ?，则不拒绝H0； P≤ ?，则拒绝H0，接受H1。 本例：t＝11.16，t0.01,200＝2.601， P＜0.01，故按α＝0.05水准，拒绝H0，接受H1，可以认为该地健康成年男性血红蛋白含量均数低于一般正常成年男性血红蛋白均数。 小 结 1. 从正态总体中，随机抽取每一份样本, 均可计算一个样本均数，样本均数的分布也服从正态分布。 2. 样本均数的标准差称为标准误，反映抽样误差的大小。 3. 样本均数的标准误与样本含量的平方根成反比，样本含量越大，抽样误差越小。 4. t分布和标准正态分布的区别与联系。 小 结 4. 假设检验的基本步骤。 ⑴ 提出假设 ⑵ 确定检验水准? ⑶ 选择统计方法并计算统计