bootstrap方法对总体均值区间估计.pdfVIP

1.统计研究的目的和意义 一般来说，涉及到对总体的均值进行区间估计，通常的方法是根据抽得的样本量大小来选 择合适的统计量，进而套用相应的公式来进行区间估计。通常进行区间估计时，总是把总体 假设为正态分布，在此基础上利用相关理论和统计表进行推断。 Bootstrap方法是一种在抽样的统计方法，也叫做自助法。该方法只依赖于给定的观测信 息，不需要其他的假设，不需要增加新的观测。它借助计算机对原始样本资料进行重复抽样 以产生一系列“新”的样本，可以用于研究一组数据某统计量的分布特征，特别适用于那些 难以用常规方法导出的对参数的区间估计、假设检验等问题。 Bootstrap方法的基本思想 ：在原始数据的范围内作有放回的再抽样，对参数θ进行估计， 样本含量仍为n，原始数据中每个观察值每次被抽到的概率相等，为1/n，所得样本为Bootstrap 样本，这样重复B次，就可以得到B个Bootstrap样本，然后进行统计分析。此方法可以提 高小样本下对总体均值区间估计的精度。 2.数据的背景和结构 数据来自某厂某种灯泡的寿命，已知其服从正态分布。先从一批灯泡中随机抽取16个， 测得其寿命为： 1510,1450,1480,1460,1520,1480,1490,1460,1480,1510,1530,1470,1500,1520,1510,1470。数据只 有16个，属于小样本。常规方法对小样本进行总体均值区间估计误差可能会比较大。常规   t x /2 的方法可以得到区间估计的结果为（ - (16-1)s/n, + (16-1)s/n).另外将用三种 x t /2 Bootstrap方法对均值进行区间估计。 3.Bootstrap方法区间估计的三种类型 对置信区间进行估计主要采用标准Bootstrap，百分位数Bootstrap,t百分位数Bootstrap三 种方法。 （1）标准Bootstrap方法假设从服从某分布的总体X 中独立随机地抽取容量为n 的样本 x1,x2,x3,...,xn。对原始样本就行重复的又放回抽样，共有n^n个可能的Bootstrap样本。对 于每一个子样本求出的均值，都是总体均值的一个估计值。同时，样本均值与总体均值的分 布相同。但是实际抽取中，n^n个样本对计算机的运行速度是一个非常大的挑战，在实际操 作中，一班B取3000即可。但是考虑到后面的方法以来bootstrap样本的近似分布要求样本 量尽量大，我将在最后的模拟中取B=10000。 ^  ^ x 令 作为 的估计值， 表示第i个bootstrap样本得到的均值。 x x (i) ^ 1 B ^ ^ 1 B ^ ^ 2 x x 则 = x 样本方差为Var( )= {x x} , B i1 (i) B-1 i1 (i) ^ ^ ^ ^ u x x x 1/2 x 由此得到总体均值的（1-α）%置信区间为：[ -u1/2 Var( ), +