第二章概率与概率分布(抽样调查理论与方法北京商学院,李平)摘要.ppt

原因二： 随着样本容量 n 的增大（与总体容量N相比仍可 能很小）， 与 以及 与 发生大的误差的可能性越 来越小，以至于可以忽略，而误差在 0 附近的可能性变得越 来越大，或者说某种平均意义下的误差越来越小。 一般来说，基于抽样数据的统计量——通常记为 ，在 前面的例子中是 和 ——作为参数 的估计量，总是希望 能够较好地近似代表 。由于依据局部来估计总体避免不了 会发生误差，这个误差还是随机的，任何两次抽样所产生的 误差都不会相同，每次所产生的误差都是这个随机变量的一 次实现。 另外，待估参数又是未知的，我们也不可能知道抽样误 差到底等于多少。为了排除偶然因素，我们往往从平均意义 上来看抽样误差。这就是在数学上对随机变量取数学期望。 如果估计 的统计量 具有性质： ，则称 为 的无偏估计。 前述例子就说明： 即 和 分别是 和 的无偏估计。。 以上分析告诉我们，所谓无偏估计并非是说估计量与参 数之间就没有偏差，而是说估计量所有可能取值的平均值等 于参数。或者说估计量与参数的平均偏差为零。 数理统计告诉我们，并非所有的待估参数都存在无偏估 计