第03章 参数估计.pptVIP

推断统计(Inferential Statistics) 根据样本数据推断总体数量特征的方法 样本统计量 总体参数 (已知) 推断统计 (未知, 但可以根据样 本数据加以估计) 推断统计 参数估计（Parameter Estimation） 在抽样及抽样分布的基础上，用样本统计量去估计总体的参数 假设检验（Hypothesis Testing） 先对总体参数提出一个假设值，然后利用样本信息判断这一假设是否成立 估计量与估计值 (estimator estimated value) 估计量：用于估计总体参数的随机变量 如样本均值，样本比例、样本方差等 例如: 样本均值就是总体均值 ? 的一个估计量 总体参数用 ? 表示，估计量用 表示 估计值：估计参数时计算出来的估计量的具体值 如果样本均值 ?x = 80，则 80 就是 ? 的估计值 点估计 (Point Estimate) 用样本的估计量直接作为总体参数的估计值 例如：用样本均值直接作为总体均值的估计 没有给出估计值接近总体参数程度的信息 点估计的方法有矩估计法、最大似然法、最小二乘法等 区间估计（Interval Estimate） 在点估计的基础上，给出总体参数估计的一个区间范围，该区间由样本统计量加减抽样误差而得到的 无偏性(Unbiasedness) 无偏性：样本估计量的数学期望等于被估计总体参数 的真值，即 有效性(Efficiency) 一致性(Consistency) 一致性：随着样本容量的增大，估计量的 值越来越接近被估计的总体参数 总体均值、比例的区间估计 总体均值的区间估计(σ 已知) 假定条件 总体标准差 σ 已知 总体服从正态分布 如果总体不服从正态分布，则必须是大样本 总体均值的置信区间为 确定z1－α/2 构造置信水平为95％的置信区间： 常用的置信水平 常用的置信水平值有 90%, 95%, 和 99% 置信区间与置信水平 总体均值的区间估计(σ 已知.例题) 有一批电子零件，已知此批电子零件的电阻服从正态分布，且总体标准差为 0.35 欧姆。现从中随机抽取了 11 个电子零件，测得平均电阻为 2.20 欧姆。 试估计该批电子零件平均电阻的置信区间，置信水平为95％。 总体均值的区间估计(σ 已知.例题) 有一批电子零件，已知此批电子零件的电阻服从正态分布，且总体标准差为 0.35 欧姆。现从中随机抽取了 11 个电子零件，测得平均电阻为 2.20 欧姆。 解: 总体均值的区间估计(σ 已知.例题) 在 95% 的置信水平下，平均电阻的置信区间为 1.9932 ～ 2.4068 欧姆 虽然此批电子零件平均电阻的实际真实值可能包含或者不包含在此置信区间中，但是以此方式构造的置信区间有 95% 将包含总体参数的真值。 一种不正确的解释：有 95% 的概率此置信区间将包含总体参数的真值。(此区间 要么 包含 要么 不包含 总体参数的真值，一个特定的区间是否包含真值是确定的，不会和概率联系在一起) 总体均值、比例的区间估计 总体均值的区间估计(σ 未知) 当总体标准差 σ 未知时，可以用样本标准差 s 来代替 这就增加了新的不确定性，因为样本标准差 s 会随着样本的不同而不同 所以此时我们用 t 分布，而不再使用标准正态分布 总体均值的区间估计(σ 未知) 假定条件 总体标准差 σ 未知 总体服从正态分布 如果总体不服从正态分布，则必须是大样本 总体均值的置信区间为 t 分布（t Distribution） t 分布是类似正态分布的一种对称分布，它通常比正态分布平坦和分散。 t 分布依赖于称为自由度（degrees of freedom，简称d.f.）的参数 这里，自由度是指样本均值计算之后，可以自由变化的观测值的个数 d.f. = n - 1 自由度（Degrees of Freedom） 思路:自由度是指样本均值计算之后，可以自由变化的观测 值的个数 例: 假设3个数的均值等于 8.0 已知 x1 = 7 x2 = 8 那么 x3? t 分布（t Distribution） t 分布表 t 分布值 总体均值的区间估计(σ 未知.例题) 已知 n = 25 ，x = 50 且 s = 8， 构造正态总体均值 μ 的95％置信区间。 d.f. = n – 1 = 24,