总体参数估计.docVIP

总体参数估计 根据样本信息对总体参数状况进行推断，具体有两种不同形式，即总体参数估计和假设检验。本节先介绍第一种形式：参数估计。 总体参数估计，是根据从样本得到的统计量对相应的总体参数进行估计。例如用样本平均数估计总体的平均数，用样本的标准差估计总体的标准差等。总体参数估计可分为点估计和区间估计。 点估计 点估计，是指在进行总体参数估计时，直接用一个特定值（一般常用样本统计量的值）作为总体参数的估计值。例如，已知某一样本的平均数= 50，就把50作为对总体平均数μ的估计值。当然，不能认为，μ刚好等于50，只是希望μ接近于50。又例如某一样本的方差=100，就把100作为对总体方差的估计值。同样，不能认为刚好等于100，而只是希望的数值是在100附近。像这种= 50，=100的估计，就是点估计。 一般而言，样本平均数时总体平均数μ的无偏、一致、有效而充分的点估计。经过校正的样本标准差S是总体标准差σ的无偏、一致、有效而充分的点估计。 由于这种估计是单个的数值，总是存在误差，对误差也不能准确地计算出来。另外，点估计无法指出对总体参数给予正确估计的概率有多大。所以，这种点估计只能作为一种不精确的大致的估计，更好的办法是对总体参数进行区间估计。 区间估计 （一）区间估计的概念 区间估计是根据样本统计量，利用抽样分布的原理，用概率表示总体参数可能落在某数值区间之内的推算方法。例如，某一样本= 50，很可能μ的值是在46到54这个区间内；=100，很可能的值落在94到119这个区间之内。这种估计就是区间估计，即总体参数可能落在这个给定的区间内。同时，为了更清楚地说明，还必须指出μ和的值，用概率表示有多大可能落在某一区间之内。 （二）区间估计的原理 区间估计的理论依据是抽样分布理论。现在以总体平均数区间估计为例，说明区间估计的基本原理。 前一节讲过，从正态总体中，随机抽取容量为n的一切可能个样本平均数的抽样分布，仍是以总体平均数为中心的正态分布。各个样本平均数在抽样分布上的标准分为： （公式11—1） 式中：表示样本平均数，μ表示总体平均数，表示平均数的标准误（即平均数抽样分布的标准差，）。 令在–1.96至1.96之间变动，期间的面积为0.95（查标准正态曲线下的面积表可知，=1.96至= 0之间的面积为0.475，于是= -1.96至=1.96之间的面积为0.475×2=0.95），也就是说，从-1.96到1.96之间的概率为0.95，即 P ( -1.96 1.96 ) = 0.95 （公式11—2） 经过移项，（公式11—2）可以写成： P (μ-1.96μ+1.96) = 0.95 这意味着样本平均数位于其抽样分布的（μ-1.96，μ+1.96）区间之内的概率为0.95。但是我们现在所要解决的是总体平均数落在样本平均数周围多大的一个范围内，以及落在这个范围的可能性的大小，因此，我们将上面的公式再次移项就可得到： P (-1.96μ+1.96) = 0.95 （公式11—3） 这就意味着总体平均数μ落在（-1.96，+1.96）区间内的概率为0.95，也就是说总体平均数有95%的可能存在于（-1.96，+1.96）之内，而不在这个区间的可能性只有5%。在这里，这种能够表示在某一置信度下的总体参数所在区域的距离或长度的区间被称为置信区间，-1.96为置信下限，+1.96为置信上限。置信区间包含总体参数的概率称为置信系数（或置信度）。 由于采用95%和99%置信度估计总体参数时，还有5%或1%的可能性没有包括总体参数，即犯错误的概率为5%或1%。犯错误的概率称为显著性水平，用α表示，α= 1—置信度。因此，采用95%置信度进行估计时，显著性水平为0.05；而采用99%置信度进行估计时，显著性水平为0.01。 例如，某小学11岁全体女童身高的标准差为6.5厘米，现从该校随机抽取36名11岁女童，测得平均身高为142厘米，试估计该校10岁全体女童平均身高的95%置信区间。 经过统计学家们的工作，已经表明诸如体重、身高、智力、考试分数等数据总体一般均呈正态或接近正态分布，所以，在实际研究中，对于样本来自的总体一般都假定其为正态或接近正态分布。 此例中，已知总体标准差σ=6.5，样本平均数=142，那么根据（公式11—3），总体平均数95%的置信区间为： P (-1.96μ+1.96) = 0.95 有 P (142 -1.96μ142 + 1.96) = 0.95 P (139.88μ144.12) = 0.95 由此可知