参数估计基础与假设检验.ppt

参数估计基础与假设检验 统计推断 一、 均数的抽样误差与标准误（standard error) 1、均数的抽样误差 n1=30, x1 n2=30, x2 n3=30, x3 . x1 ≠x2 ≠ x3 … ≠ x100 ≠ ? . . n100=30, x100 2、标准误的概念 即样本均数的标准差, 是说明均数抽样误差大小的指标。 标准误愈小, 表示抽样误差愈小, 样本统计量对总体参数的估计愈可靠，用?x，或s x 表示。 2、标准误的计算 ? ?x= ?n s sx= (估计值) ?n 3、标准误的应用 表示样本均数的散布情形,表示抽样误差的大小，用以说明样本均数的可靠性; X±SX 总体均数的估计 一、t分布 1、 t分布的概念 对正态变量?X采用z=( ?X - ? )/ ?x变换, 将N(?, ?x2)变换为标准正态分布, 即U分布, 而实际中?x往往用sx来估计, 这时对正态变量?X采用的不是U变换而是t变换, 即 t = ( ?X - ? )/ sx 其结果也不是U分布而是t分布。 2、 t分布的特征 与标准正态分布相比有以下特征: a.二者都是单峰分布, 以0为中心, 左右对称; b.t分布的峰部较矮而尾部翘得较高, 说明远侧的t值的个数相对较多, 即尾部面积(概率P)较大。 自由度?越小这种情况越明显, ?逐渐增大时, t分布逐渐逼近标准正态分布; 当?=?时, t分布就完全成为标准正态分布了, ?=n-1 。 3、t界值 t界值表, 横标目为自由度?, 纵标目为概率P, 表中数字表示自由度为?, P为?(检验水准)时, t的界值, 常记为t?,?。理论上 单侧: P( t ? - t?,?)= ?, 或P(t ? t?,?)= ? 双侧: P( t ? - t?,?)+P(t ? t?,?)= ?; P( - t?,? t t?,?)= 1 - ? 一位学生在某篇文献上看到以下叙述：“在95%的置信度下，美国年轻人在“全国教育进展评估”中的平均分为267.8～276.2。”该学生认为，所有年轻人中，95%的人得分在267.8 ～276.2之间。他的理解正确吗？请给出答案。 二、估计总体均数的估计 (一）置信区间的概念 总体均数的估计包括点值估计和区间估计 点值估计：X?? 置信区间估计(interval estimation)：可能包含总体均数在内的一个范围,其包含总体均数可能性的大小,以百分数表示,习惯上使用95%与99%可信区间（confidence interval,CI)。 a.区间估计的涵义: 有1-?可能包含总体均数在内的一个范围, 习惯上使用95%与99%置信区间（confidence interval,CI)。 1-?：可信度（ confidence level) 95% CI意思是从总体中作随机抽样, 每个样本可以算得一个可信区间, 如95%可信区间, 意味着做100个可信区间, 平均有95个可信区间包括总体均数(估计正确), 只有5个可信区间不包括总体均数(估计错误)。 可信区间的两个要素： （二）区间估计的方法: X － t?/2,? sx ? X + t?/2,? sx ; 95% CI（X- t0.05/2,? sx ,X+ t0.05/2,? sx ) ?已知，X - z?/2,?x ? X + z?/2,?x ; ?未知，但n足够大 X - z?/2,sx ? X + z?/2, sx （三）均数可信区间与参考值的区别 思考题: (1)说出标准差和标准误的联系和区别。 (2)简述t分布与z分布的联系与区别。 (3)置信区间和正常值范围有何不同。 总体率的置信区间 一、二项分布的均数和标准差 μp=π σp= sp= 二、二项分布的图形 二项分布的形状取决于π和n的大小，高峰在?=n?处。当?接近0.5时，图形是对称的；?离0.5愈远，对称性愈差，但随着n的增大，分布趋于对称。当n→∞时，只要?不太靠近0或1，特别是当nP和n(1－P)都大于5时，二项分布近似于正态分布。 三、总体率的区间估计 （一）查表法 当样本含量n较小，如n