抽样误差参数估计.ppt

* 可信度1-α越大，则总体均数可信区间（ ） A 越宽 B 越窄 C 不变 D 还与第二类错误有关 A 均数 率 事件数 方差 区间估计 1.区间估计的实质 假设某个总体的均数为μ，需要找到两个量A和B，使得在一个比较高的可信度下(如95%)，区间(A,B)能包含μ。即 P(AμB)=0.95 2.可信区间的定义 按一定的概率或可信度(1-α)用一个区间估计总体参数所在范围，这个范围称作可信度为1-α的可信区间。 可信区间(CL, CU )是一开区间 CL、CU 称为可信限 例题：血红蛋白浓度 为了解某地 1 岁婴儿的血红蛋白浓度，从该地区随机抽取 25 名 1 岁婴儿，测得其血红蛋白 试估计该地区1岁婴儿的平均血红蛋白浓度。 均 数 = 123.7(g/L) 标准差 = 11.9(g/L) 标准误=11.9/sqrt(25)=2.38 t 值的分布 理论基础：均数的抽样分布 -2.064 0 2.064 v＝24 区间估计 可信区间(confidence interval)： 区间(118.79, 128.61)包含了总体均数，其信度为95%。 可信度(1－α): 95% . 结论：该地区 1 岁婴儿的平均血红蛋白浓度为118.79~128.61(g/L)(可信度为95%)。 或：该地区 1 岁婴儿的平均血红蛋白浓度的95%可信区间为118.79~128.61(g/L)。 3.可信区间估计的理论基础 -均数的抽样分布 -t?/2, v 0 t?/2, v 1-? ?/2 ?/2 4.均数的可信区间构建方法 -t分布 均数的(1-?)100%的可信区间： 可信限(confidence limit)： 可信度：1－α 参考值范围 4.均数的可信区间构建方法 -t分布 0 -u? u? ?/2 ?/2 1-? 4.均数的可信区间构建方法 -u分布 样本含量较大时，均数(1-?)100%的可信区间： 此时，均数的(1-?)100%的可信区间： 5.均数之差的(1-?)100%可信区间 例4.3 　　转铁蛋白含量（page39） 正常人：n1=12, 病人　：n2=15, 问题：两组平均相差多少？ 问题： 正常组 病人组 ? 2＝？ 均 数: 235.21ug/dl 标准差: 14.39ug/dl ? 1＝？ 均 数: 271.89ug/dl 标准差: 10.28ug/dl ? 1- ? 2 ＝？ 与均数之差有关的抽样分布 “均数之差”与“均数之差的标准误”之比， 服从自由度? = n1+n2 -2的 t 分布。 样本含量较大时，服从标准正态分布。 合并方差与均数之差的标准误 合并方差(方差的加权平均) 均数之差的标准误 根据 可得?1-?2的可信区间： 计算： 则合并方差为： 自由度为?=n1+n2-2=12+15-2=25、?＝0.05的t界值为：t0.05,25=2.060 ，则两组均数之差的95％可信区间为： (271.89－235.21 ) ± 2.060 × 4.95 = 26.48 ～ 46.88 结论： 病毒性肝炎患者的血清转铁蛋白含量较正常人平均低36.68(?g/dl)，其95％可信区间为26.48~46.88(?g/dl)。 6.可信区间的两个要素 可信度(1-?), 可靠性 一般取90%，95%。 可人为控制。 精确性 是指区间的大小(或长短) 兼顾可靠性、精确性 影响可信区间大小的因素 可信度 可信度越大，区间越宽 个体变异 变异越大，区间越宽 样本含量 样本含量越大，区间越窄 7.正确理解可信区间： 可信度为95%的CI的涵义： 每100个样本，按同样方法计算95%的CI，平均有95%的CI包含了总体参数。 这里的95%，指的是方法本身！而不是某个区间！ 在可信区间被估计之前，概率是存在的； 在可信区间被估计之后，就没有概率了。 从N(0,1)中随机抽取100个n=10的样本