均数的抽样误差与总体均数估计.pptVIP

（二）总体均数的区间估计 2、当?未知但n足够大时（ n 100），t分布近似u分布，可以 u 界值代替 t 界值，估计总体均数的可信区间。 3、当?已知时，可按正态分布的原理，估计总体均数的可信区间。 例3 某地抽取正常成年人200名，测得其血清胆固醇的均数为3.64 mmol/L，标准差为1.20mmol/L，估计该地正常成年人血清胆固醇均数的95%可信区间。 故该地正常成年人血清胆固醇均数的95%可信区间为 3.47, 3.81 mmol?L。 二、可信区间的确切涵义 1. 95%的可信区间的理解： （1）所要估计的总体参数有95%的可能在我们所估计的可信区间内。 （2）从正态总体中随机抽取100个样本，可算得100个样本均数和标准差，也可算得100个均数的可信区间，平均约有95个可信区间包含了总体均数 。 （3）但在实际工作中，只能根据一次试验结果估计可信区间，我们就认为该区间包含了总体均数?。 2.可信区间的两个要素 （1）准确度：用可信度（1??）表示，即区间包含总体均数? 的理论概率大小 。 当然它愈接近1愈好，如99%的可信区间比95%的可信区间要好 。 （2）精确度：反映在区间的宽度上。 区间愈窄愈好，如95%的可信区间比99%的可信区间要好 。 当n确定时，上述两者互相矛盾。 提高准确度（可信度），则精确度降低（可信区间会变宽），势必降低可信区间的实际应用价值，故不能笼统认为99%可信区间比95%可信区间要好。 在实际应用中，95%可信区间更为常用。 在可信度确定的情况下，增加样本含量可减小区间宽度，提高精确度。 从正态总体N 155.4,5.32 中抽样n 10 , ? 0.05 从正态总体N 155.4,5.32 中抽样n 10 , ? 0.05 从正态总体N 155.4,5.32 中抽样n 10 , ? 0.10 从正态总体N 155.4,5.32 中抽样n 10 , ? 0.10 从正态总体N 155.4,5.32 中抽样n 10 , ? 0.01 从正态总体N 155.4,5.32 中抽样n 10 , ? 0.01 n 10 ? 0.05 ? 0.10 ? 0.01 从正态总体N 155.4,5.32 中抽样n 30 , ? 0.05 从正态总体N 155.4,5.32 中抽样n 30 , ? 0.05 从正态总体N 155.4,5.32 中抽样n 30 , ? 0.01 从正态总体N 155.4,5.32 中抽样n 30 , ? 0.01 从正态总体N 155.4,5.32 中抽样n 30 , ? 0.10 抽样研究：样本信息 总体特征 统计推断： 总体参数的估计 假设检验 复习: 抽样误差 抽样误差（sampling error）：由于个体变异的存在，抽样研究所造成的样本统计量与总体参数之间的差异或各样本统计量之间的差异，称为抽样误差。 抽样误差产生的两个前提条件： ①个体变异 ②抽样研究 抽样误差的大小与两个因素有关： ①总体中个体变异的程度 ②抽样时的样本含量大小 第一节 均数的抽样误差 一、均数的抽样误差的概念 由于抽样造成的样本均数与总体均数之间的差异称为均数的抽样误差。 抽样实验 假设某市16岁女中学生身高值的分布服从均数 ? 155.4cm，标准差? 5.3cm的正态分布，即x~N 155.4,5.32 。 从该总体中以样本含量n反复进行抽样（如抽10000个样本），分别计算样本均数 ，编制频数表，绘制直方图，观察样本均数的分布。 从正态总体N 155.4,5.32 中以样本量n 10抽样10000次 从正态总体N 155.4,5.32 中以样本量n 20抽样10000次 从正态总体N 155.4,5.32 中以样本量n 30抽样10000次 从正态总体N 155.4,5.32 中以样本量n 50抽样10000次 从正态总体N 155.4,5.32 中以样本量n 100抽样10000次 抽样实验结果——样本量不同时,样本均数的分布 抽样实验结果——样本量不同时,样本均数的标准差 抽样实验结果——总体标准差不同时,样本均数的分布 抽样实验结果——总体标准差不同时,样本均数的标准差 样本均数的分布规律 以特定的样本量n从正态总体N ?,?2 中抽取样本，所得样本均数 的分布为正态分布。 样本均数的均数等于原正态分布的总体均数，即 。 样本均数的变异程度小于原变量的变异程度，即 。 样本均数的标准差为： 从正态总体N（?，?2）中以样本量n进行抽样，抽得的样本均数仍服从正态分布，且此分布的均数为?，方差为?2/n 。即 从偏态分布总体中以样本量 n进行抽样，只要 n 足够