统计学初步.ppt

概率与统计 —统计学初步 石学军：shixuejun216@126.com 引 言 二、统计量 正态总体的抽样分布 概率与统计--参数估计 石学军：shixuejun216@126.com 统计推断的目的,是由样本推断出总体的具体分布.一般来说,要想得到总体的精确分布是十分困难的.有些统计推断问题，我们不关心其分布类型，只关心其某些数学特征，如期望、方差等，通常把这些数学特征称为参数. 点估计 一、矩估计法（简称“矩法”） （二）有效性与一致性 二、极大似然估计 概率与统计—正态总体的假设检验 石学军：shixuejun216@126.com (一) 假设检验的两类问题 奈曼—皮尔逊 (Neyman—Pearson)提出了一个原则： “在控制犯第一类错误的概率不超过指定值?的条件下, 尽量使犯第二类错误 ?小” 按这种法则做出的检验称为“显著性检验”, ?称为显著性水平或检验水平。 某测量技术，得到的数据服从方差=10的正态分布；现采用新的技术测量，随机取26个数据，测得样本方差=12,试判断两种测量工艺精度有无显著变化.（ =0.05） 上述正态总体的假设检验称为双边检验 单边检验思想与双边检验雷同，只是那里的备择假设和拒绝域分别对应取成单边的即可（见课本Page：310汇总表，这更是大家考试的法宝） 1、极大似然思想 有两个射手，一人的命中率为0.9,另一人的命中率为0.1,现在他们中的一个向目标射击了一发，结果命中了，估计是谁射击的？ 一般说，事件A发生的概率与参数???有关，?取值不同，则P(A)也不同。因而应记事件A发生的概率为P(A|?).若A发生了，则认为此时的?值应是在?中使P(A|?) 达到最大的那一个。这就是极大似然思想 2、似然函数与极大似然估计 为该总体的似然函数。 定义：若有 使得 则称 为?的极大似然估计.记为 求 例 未知, 的极大似然估计量 设 解： 所以似然函数为： 取对数： 是来自总体 的一个样本， 令 得 的极大似然估计量为： ① 点估计的缺陷：未能反映出估计值 与真实值 之 间的误差及可靠性. ②区间估计的基本思想:对总体X中位置参数 构造两 个统计量 与 使得 能以较大的概率落在随机区间 内, 再由相应的观测值来估计 的取值范围. 可信程度； 精确程度 区间估计 为置信下 称 为置信度或置信水平. 为 的置信区间， 的置信度为 一、置信区间的概念及求法 1.定义:设总体 的分布函数 含有未知参数 ， 是来自 的一个样本， 若对于给定的 存在两个统计量： 和 使得： 则称 限，称 为置信上限. 称 已知, 引例：设总体 未知, 是来自 的一个样本, 求 的置信 解: 由抽样分布知: 的置信区间. 度为 现在找一个区间，使得U落在该区间内的概率为 即： 即: 所以 的置信度为 的置信区间为: 由分位数的定义可知: 1、参数假设检验 总体分布形式已知, 参数未知, 由观测值x1, …, xn检验假设 H0：?=?0；H1：?≠?0 2、非参数假设检验 　总体分布未知, 由观测值x1, …, xn 检验假设H0：F(x)=F0(x;?); H1： F(x)≠F0(x;?) 以样本(X1, …, Xn)出发制定一个法则, 一旦观测值(x1, …, xn)确定后, 我们由这个法则就可作出判断是拒绝H0还是接受H1, 这种法则称为H0对H1的一个检验法则, 简称检验法。 样本观测值的全体组成样本空间S, 把S分成两个互不相交的子集W和W*, 即S=W∪W*, W∩W*=? 假设当(x1, …, xn) ∈W时, 我们就拒绝H0；当(x1, …, xn) ∈W*时, 我们就接受H0。子集W? S就称为检验的拒绝域(或临界域 )。 (二) 检验法则与拒绝域 称 H0真而被拒绝的错误为第一类错误或弃真错误； 称 H0假而被接受的错误为第二类错误或取伪错误。 记 p(I)=p{拒绝H0| H0真}; P(II)=p {接受H0| H0假} 人们自然希望找到这种拒绝域W, 使得犯两类错误的概率都很小。但实际上其中一个减小时另一个反而增大。 (三) 检验的两类错误 假设检验的推断原理是小概率事件的实际不可能原理。 显著性检验的思想和步骤： (1)根据实际问题作出假设H0与H1； (2)构造统计