赵卫亚-(数理统计复习).pptVIP

  1. 1、本文档共64页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
例2(区间估计):已知来自的正态总体的一个样本。N=10.样本均值为5.3.即 已知(1)标准差 或者(2)样本标准差 分别构造置信度为95%的置信区间 上分位数(分位点) P(XA)= 1-F(A)= α,则数A称为X所服从的概率分布的上α分位数(点)。 双侧分位数 双侧α分位数是使 P{Xλ1}=F(λ1)=0.5α的数λ1,  和使 P{Xλ2}=1-F(λ2)=0.5α的数λ2。 (2)临界值 假设检验时,在给定的显著水平下,判定拒绝和接受时的数. 其实是一个(对)分位数. 临界值之内为接受域,临界值之外为拒绝域 临界值点: 标准正态分布以及t分布的临界值点(双侧) ?/2 ?/2 1-? 类似: 临界值点: F分布(单侧)临界值点 概率密度 1-? ? x 3、 样本统计量及其分布 第四节 点估计 参数估计:在未知总体参数的情况下,利用样本统计量来估计总体参数的方法。 参数估计:点估计 假设在总体X中, θ为未知参数(均值、方差等)。由样本(X1、X2…Xn )构造统计量 来估计未知参数 θ,称 为 θ的点估计量。 将某次抽样的样本观测值,代入 即得该估计量的一个点估计值 。 点估计量的优良性标准 设 为待估计的总体参数, 为样本统计量,衡量统计量 好坏的标准有: (1)线性性 (2)无偏性 (3)有效性 (4)一致性 线性性: 参数估计量是随机变量观测值的线性组合 具有线性性的参数估计量称为“线性估计” 意义: 参数估计量可以表示为随机变量观测值的线性组合。如果随机变量是正态分布,则估计量由于是正态分布的线性组合,因此估计量也是线性估计。 无偏性: 参数估计量的概率均值(数学期望)等于参数的真实值。 意义: 意味着利用不同样本反复估计,得到的估计值会以参数真实值为中心分布。 即    ,则称 为 的无偏估计量 ?的真值 ?的真值 有偏 无偏 有效性: 仅仅满足有效性是无意义的。实际上要求估计量是方差最小的线性无偏估计量 ? 设 和 是总体指标?的两个无偏估计量, 若    ,则称 为比 更有效的估计量 形象感觉无偏性和有效性: 4支比赛用枪的抽样结果 准而不精 又精又准 精而不准 不精不准 一致性。 如果随着样本容量的增加,估计量越来越接近真实值,称为一致估计。 大样本性质   第五节 区间估计 点估计得到的估计值与真实值肯定有偏差,但是点估计本身不能反映估计量与真实值之间的近似程度。 点估计的基础上,利用其分布信息,构造参数真实值的置信区间 所谓区间估计就是以一定的可靠性给出被估计参数的一个可能的取值范围。 具体作法是找出两个统计量 ?1(x1,…,xn)与?2 (x1,…,xn),使      P(?1 ? ?2 )=1-? (?1 , ?2)称为置信区间 1-?称为置信系数(置信度,反映了估计的可靠程度) ?称为冒险率(测不准的概率)或者显著水平,一般取5%或1%。 对区间估计的形象比喻 我们经常说某甲的成绩“大概80分左右”,可以看成一个区间估计。(某甲的成绩?为被估计的参数) P(?1 ? ?2 )=大概的准确程度( 1-?) 如:P(75 ? 85 )=95%=1-5% “大概80分左右” 冒险率(也叫显著水平? ) 下限 上限 置信系数1- ? 区间估计原理 0.6827  落在   范围内的概率为68.27% 样本抽样分布曲线 原总体分布曲线 置信度1-?=0.6827 第六节 假设检验 一、为什么要作假设检验。 例1 从2010年的新生儿中随机抽取20个,测得其平均体重为3240g,样本标准差为300g。而根据过去统计资料,新生儿平均体重为3200g。问现在与过去的新生儿体重有无显著差异(假定新生儿体重服从正态分布)? 把所有2010年的新生儿体重视为一个总体,用X表示。问题就是判断 EX=3200是否成立? 检验目的: ?未知,只能比较样本均数 与?0是否相等: 两种可能: 1. ?与?0相等,差异由抽样引起; 2. ?与?0本身不相等。 二、假设检验的原理和思想 小概率原理 通过大量实践, 人们对小概率事件(即在一次试验中 发生的概率很小的事情)总结出一条原理: 小概率事件在一次试验中几乎不会发生 判断小概率事件的标准记为α,一般取 在假设检验中,称α为显著水平、检验水平。 信息看在H0成立

文档评论(0)

lyxbb + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档