區間估計.ppt

社會統計 第五講 信賴區間 Interval Estimation區間估計 在前章中我們介紹了各種估計母體參數的方法(point estimator)。例如我們發現樣本平均數X為母體平均數μ的一個不偏估計式。 雖然平均而言，X能正確的代表μ，但每一次觀察到的X不會剛好等於μ，而是隨著抽到的樣本不同有高有低： Interval Estimation區間估計 因此除了點估計外，我們還想進一步知道從樣本中得到的估計值有多可靠，由於樣本的估計值本身也是一個隨機變數，不一定會剛好等於母體參數，因此我們問：估計值與母體參數有多接近？ Interval Estimation區間估計 從估計式的抽樣分配中，我們可以建立一套系統性的方法來表達估計式的精確度。 Interval Estimation區間估計 我們通常以建構信賴區間(confidence intervals)來顯示估計式的準確度。 Interval Estimation區間估計 Interval Estimation區間估計 在估計的問題中，我們希望估計式具有以下兩個性質： 1. 估計式為不偏估計(unbiased estimator)，即估計式不會系統性的高估或低估母體參數。 2. 我們希望估計式的抽樣分配集中於母體參數的周圍，即估計式的變異數愈小愈好。 Interval Estimation區間估計 在估計的問題中，我們希望估計式具有以下兩個性質： Value of Zα 令Z為一個標準常態隨機變數，並令α是滿足0α1的任意數，則zα是符合下列條件的任意數： P(Z≧ zα) = α Value of Zα 例題：α=.025，求zα? P(Z≧ zα) =.025 Value of Zα 例題：求z.05? P(Z≧ z.05) =.05 Value of Zα 例題：求z.005? P(Z≧ z.005) =.005 Value of Zα P(Z≧ zα/2) =α/2 P(Z≦ -zα/2) =α/2 P(-zα/2 ≦Z≦ zα/2) =(1-α) Confidence intervals for the mean with know population variance 假設我們從N(μ, σ2)的母體中抽取樣本數為n的樣本。其樣本平均數的抽樣分配為: Confidence intervals for the mean with know population variance 根據先前的結果： Confidence intervals for the mean with know population variance 這個結果告訴我們： 母體參數μ落在下列隨機區間 Level of Confidence The level of confidence (1-α) of a confidence interval measures the probability that a population parameter will be contained in an interval calculated after a random sample has been selected from a population. 信賴水準或信賴係數衡量從母體中抽取隨機樣本所建構出的信賴區間會含括母體參數的機率。 α 為母體參數落在信賴區間外的機率。如α=.05，則信賴度1-α=.95，表示有5%的機率母體參數會落在信賴區間之外。 母體變異數已知的信賴區間 假設我們從一個均數為μ變異數為σ2的常態母體裡選包含n個觀察值的隨機樣本。如果σ2 已知，而樣本的均數為x，則均數的100(1-α)%信賴區間由下列公式計算： 例題 學校想估計去年畢業的學生第一年的年薪。假設薪資分佈為常態分配，且母體的標準差為$2000。取隨機樣本25名校友得到平均月薪為$19,500，求95%的信賴區間。 例題 我們之所以計算出95%的信賴區間為(18,716, 20,284)完全是因為樣本的平均數為$19,500。如果我們再抽取一個25人的樣本，則可能得到不同的區間。 如果我們一直不斷的重複取樣本1000次，則有950次(95%)所建構出的信賴區間會含括母體的平均數。 Confidence intervals for the mean with know population variance 母體參數μ不是一個隨機函數，不會隨著樣本的不同而有差異。 X為會隨著樣本而變的隨機函數，因此信賴區間也會隨著樣本的不同而有差異。 100(1-α)%的機率，上述的隨機區間會含括母體參數μ 。 Confidence intervals for the mean with know populat