第三章抽样误差和总体均数的估计.ppt

第三章　总体均数的估计和假设检验 第一节　抽样误差和总体均数的估计 一、均数的抽样误差与标准误的概念 二、 u分布与t 分布 三、总体均数的估计 一、均数的抽样误差和标准误 （一）均数的抽样误差(sampling error)： 由于抽样研究所造成的样本均数与总体均数之间的差异。即由于抽样研究所造成的统计量与参数之间的差异。 （二）标准误(standard error)： 抽样误差虽然是不能避免的，但其遵循一定的规律。 可以证明从正态分布总体x～（μ，σ2）中抽取样本含量均为n的一系列样本 　　　　　　　 …，则 　 从正态分布N(?,?2)中，以固定n抽取样本，样本均数的分布仍服从正态分布； 样本均数的总体均数仍为?，样本均数的标准差为标准误。 标准误的概念： 描述抽样误差大小的指标，或者说描述样本均数之间差异大小的指标。标准误越大，抽样误差越大，反之越小。 标准误的计算公式： 可以看出：标准误与标准差成正比，与 成反比；增大n可以减小标准误，也就是减小抽样误差。 小结一:　标准差与标准误的区别和联系 区别： 含义不同:⑴s描述个体变量值（x）之间的变异度大小，s越大，变量值（x）越分散；反之变量值越集中，均数的代表性越强。⑵ 描述样本均数（ ）之间的变异度大小， 越大，样本均数与总体均数间差异越大，抽样误差越大；反之，样本均数越接近总体均数，抽样误差越小。 与n的关系不同： n增大时，⑴s σ（恒定)。 ⑵ 0（不存在抽样误差）。 3. 用途不同: ⑴s:表示x的变异度大小，计算cv，估计正常值范围，计算标准误等 ⑵ :参数估计和假设检验。 联系： 二者均为变异度指标，样本均数的标准差即为标准误， 二 t分布 在前面我们知道从 中抽取样本含量均为n的样本均数，则 ，同样可以把它转换为u分布，即： t分布： 前面我们知道可以把 转换为u分布 ，其转换公式为： 由于σ往往是未知的，故实际应用中，把s作为σ的估计值，则会算得u值的估计值（t值），即： t值的频数分布简称t分布。 见图例5 如果抽取例数n=5的样本k个，每个样本又都可以按公式（3.3）计算出一个t值，可将k个t值编制成频数表，作出直方图，当k无限增大时，则可得到一条光滑的曲线即t分布曲线。 （3.3） 同理，如果抽取例数n=15时，仍能得到一条t分布曲线，因此，当n变化时，就可以得到不同的t分布曲线，如下图 t分布的特征 t 分布是一簇单峰分布曲线。 t 分布以0为中心，左右对称且均匀下降。 其形态变化与自由度?的大小有关。自由度?越小，则t值越分散，曲线越低平；自由度?逐渐增大时，t分布逐渐逼近u分布(标准正态分布)；当?=∞时，t分布即为u分布。 t分布曲线下面积规律 t 分布曲线下总面积仍为1或100% t 分布曲线下面积以0为中心左右对称。 由于t分布是一簇曲线，故t分布曲线下面积固定面积(如95%或99%)的界值不是一个常量，而是随自由度的大小而变化，如附表2 。 t界值表 附表2，t 分布表的特点 附表2的横标目为自由度?，纵标目为概率P，表中数值为其相应的t界值，记作t?,? 。 附表2只列出正值，若计算的t值为负值时，可用其绝对值查表 。 附表2右上附图的阴影部分表示t?,?以外尾部面积的概率 。 其通式为 单侧：P(t≤-t?,?)=?或P(t≥t?,?)=? 双侧：P(t≤-t?/2,?)+P(t≥t?/2,?)=? 图中非阴影部分面积的概率为， P(-t?/2,?tt?/2,?)=1-? 三 总体均数的估计（参数估计） 点值估计： 方法虽然简单，但忽视了抽样误差的存在。 区间估计：按一定的概率（可信度confide