参数估计教案.docVIP

第六章 参数估计 教 学 安 排 说 明 章节题目：第一节 统计推论； 第二节 名词解释； 第三节 参数的点估计； 第四节 抽样分布； 第五节 正态总体的区间估计； 第六节 大样本区间估计。 学时分配：4学时。 本章教学目的与要求：理解点估计的概念，了解估计量的评选标准（无偏性、有效性、一致性）。理解区间估计的概念，会求单个正态总体的均值与方差的置信区间。 其它： 课 堂 教 学 方 案 课程名称：第一节 统计推论； 第二节 名词解释； 第三节 参数的点估计； 第四节 抽样分布； 第五节 正态总体的区间估计； 第六节 大样本区间估计。 授课时数：4学时 授课类型:理论课 教学方法与手段：讲授法 教学目的与要求：理解点估计的概念，了解估计量的评选标准（无偏性、有效性、一致性）。理解区间估计的概念，会求单个正态总体的均值与方差的置信区间。 教学重点：1）总体分布的类型是已知的，但其中包含未知参数。我们的任务就是通过样本来估计这些未知参数。这就是参数估计问题。 2） 总体分布的类型是未知的。我们的任务就是通过样本来估计总体的分布。这就是非参数估计问题。 管理研究和社会研究绝大部分都采用样本研究，从较大的研究对象总体中抽样收集数据。最终目的是从样本来判断样本所在的总体的特性。 统计推断是一套有清晰逻辑程序的统计计算，对于从样本观测值得出的发现（findings),作出是否适用于总体的判断。发现亦即研究的结果，这些结果不外乎以下几个方面的内容： 假设中的自变量和因变量之间有无关联？ 这种关联的趋向和形式如何？ 这种关联的强度如何？ 这种关联是否是因果 自变量的属性值变化引起因变量的属性值变化，说明两变量间存在关联。关联强度的判断则是指观测值中有多大比例的因变量属性值可以从自变量的属性值来解释。统计技术用统计显著性来检验所观测到的关联是随机性的还是系统性的原因。自变量和因变量之间存在关联并非表明自变量就是因，因变量就是果，因果辨析一般属于实证研究之后机理分析的内容。 数据分析的主要内容主要围绕变量间关联的存在性、趋向和形式、强度和统计显著性四个方面。描述统计已涉及到存在性、趋向和形式的内容，推论统计则主要回答统计显著性问题。 统计抽样推断是统计学研究的重要内容，它包括两大核心内容：参数估计（Parameter Estimation）和假设检验（Hypothesis Testing）。 参数估计与假设检验在逻辑上的区别： 1）参数估计是先看样本的情况，再问总体的情况。参数估计对所要研究的总体参数进行合乎数理逻辑的推断； 2）假设检验则是先假设总体的情况，再以一个随机样本的统计值来检验这个假设是否正确。即要先构思总体情况，才进行抽样和分析样本的资料。 假如你知道可口可乐公司生产的一种瓶装雪碧，包装上标明其净含量是500ml，在市场上随机抽取了50瓶，测得到其平均含量为499.5ml，标准差为2.63ml。你拿着这些数据可能做两件事：一是你做一个估计：该种包装的雪碧平均含量在498.77-500.23ml之间，然后向消协写份报告；二是你做一个裁决：说“可口可乐公司有欺骗消费者的行为”的证据不足。前者是参数估计；后者是假设检验。 检验特定假设有一定用处，但估计方法的用处更大。抽样的真正目的在于根据已知的统计量来估计总体参数。参数估计是依据所获得的样本资料观察对所研究现象总体的水平，结构规模等数量特征进行估计。参数估计包括许多内容：确定估计值和确定估计的优良标准加以判别，求估计值和被估计值参数之间的误差范围，计算在一定误差范围内所作推断的可靠程度。 第二节 名词解释 推论统计的任务： 1、根据样本的统计值来推测总体的参数值。 2、统计推论以概率论为基础，因此统计推论的方法主要适用于概率（随机）抽样的数据。 3、抽样分布原理是统计推论的依据。 一．总体(Population) 所关心的所有元素的集合 二．样本(Sample)与简单随机样本 样本即从总体中按一定方式抽取出的一部分元素的集合。抽样分布是根据概率原则而成立的理论分布，显示由同一总体中反复不断抽取不同样本时，各个可能出现的样本统计量的分布情况。 三．参数值(Parameter) 总体参数值（population parameter):描述总体分布情况的特性值。参数是概率分布的特征值，各种概率分布有不同的特征值，通常用希腊字母表示；最常用到的参数有总体均值μ，总体标准差σ。 四．统计量(Statistic) 样本的概括性测度值，描述样本分布情况的特性值，通常用罗马字母表示；例如样本均值，样本标准差S。样本统计值是否能代表总体参数值,怎样才能代表参数值，这正是推论统计解决问题的出发点。统计值和参数值两者的关系