第十章估計.docVIP

第十章 估計 10.2 點估計 (Point Estimation) Parameter（參數）: Statistic（統計式）: Estimate（估計值）: Estimator（估計式）: Point estimate（點估計值）: p. 380: Important parameters and their sample statistics. 例10.1：已抽取之樣本的點估計值 N＝50，n＝10，每一樣本可求出一個樣本平均數與變異數的點估計值(point estimate)，而點估計式(point estimator；為隨機變數)可提供所有可能求得的點估計值；點估計就是上述求得點估計值之過程。 例10.2：運用抽樣分配來推論母體平均值 N＝6，n＝3，表10.1是所有可能的樣本平均值（亦即母體平均值的點估計值）。 估計式的四個重要特性： 1. 不偏性 (Unbiasedness)： 2. 有效性 (Efficiency)： 3. 一致性 (Consistency)： 4. 充分性 (Sufficiency)： 不偏性 (Unbiasedness)： 表示樣本估計式的平均值等於母體參數：亦即： ，而偏誤則為 (10.1) 例如： 例10.2中的樣本平均數的平均值（期望值）等於母體平均值（注意：每一組樣本發生的機率都是相同的，因此每一個樣本平均值的機率相同）。 若有許多不偏估計式可供選擇時，又該如何選擇？ 有效性 (Efficiency)： 最有效之估計式為所有統計式中標準差最小者。 相對有效性 = (10.2) 而 例如：常態分配為對稱，其樣本平均數與中位數皆為不偏，但 相對有效性 = 2/π= 0.6366 故而，我們採用樣本平均數（而非中位數）作為母體平均數的估計式。 請注意：推估中央位置時，若推估的母體為 對稱分配：樣本平均數是最佳估計值 偏態分配：樣本中位數是最佳估計值 一致性 (Consistency)： 表示當樣本越大時，樣本統計值就會越接近母體參數值。亦即： 或 例如：下列估計式都符合一致性 (p. 318): 充分性 (Sufficiency)： 由R. A. Fisher (1922)提出，表示統計值使用所有樣本中可對母體參數推估之資訊。 樣本平均數推估母體平均值時，其他估計式（如樣本中位數）亦無法提供更多資訊以增加估計之正確度。 絕對平方差(Mean-Square Error)： 有時必須在偏誤(bias)與有效(efficiency)之間做取捨時，可用下式作為取捨標準： (10.4,5) 而 10.3 區間估計 (Interval Estimation) 有時決策者想知道平均值大部分落在某區間內，就必須使用區間估計值。 估計之標的： 中的a與b 注意：a與b皆為隨機變數。 信賴區間(Confidence Interval)：a與b 信賴水準(Confidence Level)：1－α （10.6） 顯著水準(Significant Level)或風險機率：α 10.4 μ之區間估計：σ2已知時 要估計μ之區間估計值時，若知道σ2 可用Z值之公式來求： ( (10.7)式 特性： 1. σ2越大，信賴區間越大。 2. σ2固定下：n越大，信賴區間越小。 3. α越小，信賴區間越大。 例10.3： 20組隨機抽樣, n=3,σ=1071,α=5%,做出20組樣本的信賴區間(aμb)。 例10.4 生產沙袋：σ= 9磅, n=100, , = 0.9, , 1－α= 95%,α= 5%, 103.24μ 106.76 1－α= 99%,α= 1%, 102.68μ 107.32 (α越小，信賴區間越大。 例10.5上例在小樣本時：n=30, 1－α= 95%,α= 5%, 101.779μ 108.22 (σ2固定下：n越大，信賴區間越小。 例10.6 內部查帳對外部查帳費用之影響：大樣本，故以樣本標準差取代母體標準差來計算信賴區間： =$779,030 s=$1,083,162 1－α= 95%,α= 5%, 403,733.23μ 1,154,326.77 10.5 μ之區間估計：小樣本且σ2未知時 σ2為未知時，若樣本夠大，可用樣本標準差取代母體標準差，如例10.6所做。但在小樣本時 ( n 30)，區間估計可用t值來估計之： 例10.7 足球隊員的平均體重：n=8, = 212.75 lbs, s= 23.34 lbs, =2.365 1－α= 95%,α= 5%, 193.23μ 232.27 例10.8 足球隊員的平均體重（續上例）： =1.895 1－α= 90%,α= 10%, 197.11μ