05参数估计基础2013126解析.ppt

第五章 参数估计基础 Estimation of parameter 参数估计的定义 根据样本的统计量估计总体参数的过程，称为参数估计。 Ann landers：“如果可以重新选择，你还要孩子吗？” 结果：近1万份读者来信：70%的父母后悔！ Newsday：开展了全美范围专业调查 结果：1373对随机样本，91%的父母无怨无悔！ 案例： Ann landers： 自发性回应的便利样本，高度偏差。 Newsday： 简单随机样本（simple random sample ） 统计推断中，关心的不是统计量本身，而是随机化的实现、样本的代表性和统计推断技术。 Contents 样本均数的抽样分布特点 1、样本均数恰好等于总体均数及其罕见； 2、样本均数之间存在差异； 3、样本均数围绕总体均数，中间多、两边少，左右基本对称，呈近似正态分布； 4、样本均数之间的变异明显小于原始变量值之间的变异。 一、抽样误差的概念 由于抽样造成的样本统计量与总体参数的差异及样本统计量之间的差异称为抽样误差。 对于抽样研究， 抽样误差不可避免，但有规律可循。 均数的标准误 均数的标准误(standard error of mean,SEM或SE) ： 样本均数的标准差，通称为均数的标准误。 符号： 计算： 意义：反映均数抽样误差大小; 它反映了样本均数之间的离散程度。 （区别于标准差） 1、均数标准误的大小与原变量的标准差成正比； 说明当总体中观测值变异较小时，抽到的样本均数与总体均数可能相差较小，估计总体均数可靠程度高。 标准差与均数标准误的区别 思考与练习1，98页 第二节 t 分布 t 分布的由来 英国统计学家W.S.Gosset于1908年以“Student”笔名发表论文，证明在正态总体中抽样， 服 从自由度? = n?1的t分布，即 ~ t 分布， ? =n?1 又称Student t分布（Student’s t-distribution）。 t分布是总体均数的区间估计和假设检验的理论基础。 t 分布图形不是一条曲线，而是一簇曲线。 t 分布只有一个参数，即? t 分布图形的特征 单峰分布，以0为中心，左右对称 ?越小，t值越分散，曲线越低平，尾部越高，两侧越分散； 随着? 逐渐增大，t分布逐渐逼近标准正态分布；当? 趋于?时，t分布就完全成为标准正态分布。 t界值表(附表2)的应用 横标目：自由度? 纵标目：概率P（尾部面积）。 t 临界值：表中数字表示当 ? 和P 确定时，对应的t值。 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 。 单侧概率临界值 ：用t?,υ表示（one-tailed probability） 双侧概率临界值 ：用t?/2,υ表示（two-tailed probability） t分布 更一般的表示方法如图 6-5(a)和(b)中阴影部分所示为： 单侧：P（t ? ?t?, ?）=? 和 P（t ? t?, ?）=? 双侧：P（t ? ?t?/2, ?）＋P（t ? t?/2, ?）=? t分布尾部面积的特点 ①自由度相同时，│t│值越大，尾部概率P越小； ② ?一定， t值相同时，双侧尾部概率是单侧尾部概率的2倍；t0.10/2,16 = t0.05,16 =1.746； 练习： 1、ν＝10，双侧尾部面积为0.05的t界值是？ 2、ν＝100，单侧尾部面积为0.05的t界值是？ 3、ν＝∞，双测尾部面积和单侧尾部面积分别为0.05的界值是？ 1、t 0.05/2，10＝2.228 2、t 0.05，100＝1.660 3、t 0.05/2， ∞ ＝1.96， t 0.05， ∞＝1.645 第三节 总体均数及总体概率的估计 统计推断 参数估计 （样本统计量推断总体参数 ） 假设检验 一、参数估计 常用的估计方式有两种： 1、 点估计（point estimation） 2、 区间估计（interval estimation) 点估计(point estimation) 点估计：直接利用样本统计量的一个数值来估计总体参数。（如s估计 ） 例：在某地随机抽查成年男子140人，计算得红细胞均数4.77×1012/L，（假设总体均数为4.75×1012/L ）