-抽样分布与参数估计教案.pptVIP

多阶段抽样 F：抽样比 N和M：一级和二级单位的单位数 S2：一级与二级单位的方差 设计效应 当deff因子小于1时，说明抽样设计的效率高于SRS。 如果一个复杂抽样的deff因子可以估计，对应相同精度的简单随机抽样样本量n，复杂抽样设计的样本量n’为： N’=n×deff 对计算结果的说明 严格地说，在这个例子中，不应当根据正态分布进行估计，而应当使用T分布进行估计。 如果使用T分布，自由度为35，95%置信度的概率度(t)是2.03，而非1.96。计算出来的置信区间比正态分布的情况要略大一些。 置信区间略大的原因，在于使用S替代总体标准差时，本身也包含了一定的误差。 实践中，社会调查的样本量一般都比较大，正态分布与T分布的差异不明显，因此可以用正态分布进行近似分析。 例如，当样本量为200时，T分布的95%概率度为1.9719，与正态分布的1.96已经没有太大区别了。 第三节 常见的参数估计题型 本章为选修内容，涉及到数理统计中较多知识，需要通过习题来加以掌握。 估计中的要点 参数估计是从统计量的抽样分布入手，利用统计量的分布特征，倒推出总体参数的置信区间。 所有分布特征，都是基于统计量的抽样分布 总体参数是常数，统计量是随机变量。 一个总体参数—总体均值 正态总体，方差已知； 或非正态总体，大样本，方差已知。 注意：Z取a/2的原因在于此时置信区间是最小的。 一个总体参数—总体均值 正态总体，方差未知 t分布以正态分布为渐近分布，一般当n大于30时，t分布与正态分布已经十分接近，可以使用正态分布来进行处理 T分布概率密度函数 T分布曲线 例题：T分布 已知某产品的使用寿命服从正态分布，现随机抽取16件，计算平均寿命为1490小时，样本标准差为24.77小时，试估计这批产品寿命的95%置信区间 由设产品平均寿命为μ，由题意可知 查表，15个自由，双侧概率0.05的T值为2.13 =TINV(0.05,15) 由-2.13t2.13，可以求出μ的置信区间为 （1476.8，1503.2） 总体比例的区间估计 在大样本的情况下，样本比例P的抽样分布为正态分布。可以利用正态分布进行区间估计。 比例估计的标准差 比例估计的情况下，如果未知总体方差，可以用样本方差替代。严格的计算公式应当为 在实践中，经常直接使用p(1-p)作为近似。 一个总体—总体方差 当总体为正态分布时，样本方差与总体方差之比以以下的方式服从n-1个自由的卡方分布 卡方分布的密度函数 卡方分布 例题：卡方分布 已知一批食品的重量服从正态分布，从总体中抽选25袋，计算样本方差为93.21，试在95%的置信度水平下，估计总体的方差 假定总体方差为σ2，可知 查表，24个自由度的卡方值分别为 CHIINV(0.025,24)=39.36 CHIINV(0.975,24)=12.40 由12.40K39.36，可得σ2的置信区间为 （56.83，180.39） 两个总体参数—均值之差 两个总体均值之差：独立样本，大样本 两个总体参数—均值之差 两个总体均值之差：独立样本，小样本 两个总体的方差未知，但相等； 两个总体的方差未知，不相等，但样本量相等； 两个总体的方差未知，不相等，样本量不相等。 均使用T分布，主要区别在于方差的计算方法和自由度(略)。 两个总体均值之差：匹配样本 一个样本中的数据与另一样本相对应，可以直接计算对应样本的差的分布。 大样本情况下：两总体均值之差服从正态分布。 小样本情况下：假定均值之差服从正态分布，使用样本标准差代替总体标准差，计算T分布。 两个总体参数—比例之差 比例之差：大样本下，服从正态分布。 在估计时使用样本标准差替代。 两个总体的方差比 样本方差比的抽样分布为F分布 其中 第一自由度为n1-1，第二自由度为n2-1 F分布的密度函数 F分布 第四节 样本量的计算 样本量的确定 估计总体均值时样本量的确定 总体标准差的确定 根据以往的经验数值推算 通过试访问推算 采用序贯抽样方法 在比例估计时，使用p(1-p)的最大值替代。 比例估计时，方差为：p(1-p) 可知，p(1-p)的最大值为0.25。 序贯抽样 Sequential Sampling 在抽样时不预先指定子样容量，而是要求给出一组停止采样的规则，每新抽一个子样后立即按此规则考察一下，是停止采样还是继续采样。 如果采样一旦停止，就按此时所给出的观察值作为一个固定子样容量进行统计推断。 比例估计时的方差推导 定义X如下： X=1，当样本具有某项属性时； X=0，当样本不具有某些属性时 可以证明，具有某项属性的样本比例P满足 比例估计时的样本量推算 在校园内估计学生拥有手机的比例，希望在95%的置信水平下，估计的绝对误差不