3-20150919参数估计重点详解.ppt

图2 不同自由度下的t 分布图 以0为中心，左右对称的单峰分布； t分布曲线是一簇曲线，其形态变化与自由度的大小有关。 自由度越小，则t值越分散，曲线越低平； 自由度逐渐增大时，t 分布逐渐逼近正态分布(标准正态分布)；当趋于∞时，t分布即为正态分布。 t 分布特征 当自由度确定后，t 分布曲线下，双侧尾部的面积或单侧尾部的面积为指定概率 α 时，横轴上相应的 t 值。 t 界值 单侧概率相对应的 t 界值用tα,ν表示； 双侧概率相对应的 t 界值用tα/2,ν表示; 一般的表示方法： 单侧：P(t ≤ - tα,ν) = α 和 P(t ≥ tα,ν)=α 双侧：P(t ≤ - tα/2,ν) + P(t ≥ tα/2,ν ) = α T界值表 t 值表（附表2 ） 横坐标：概率， P, 即曲线下阴影部分的面积; 纵坐标：自由度， υ 表中的数字：相应的 |t | 界值。 T 界值表 同一概率下，自由度越大，|t|越小； 同一自由度下，|t|越大，概率P值越小； 同一自由度下，双侧概率为单侧概率的2倍时，所对应的t界值相等； 当自由度趋向于∞时的t界值即为相应概率下的Z值。 练习题 1．当样本含量增大时，以下说法正确的是（ ） A. 标准差会变小 B. 均数标准误会变小 C. 均数标准误会变大 D．标准差会变大 2. 标准误的英文缩写为： A．S B．SE C． D．SD 3. 通常可采用以下那种方法来减小抽样误差： A．减小样本标准差 B．减小样本含量 C．扩大样本含量 D．以上都不对 三 总体均数的估计 统计推断 参数估计 假设检验 参数估计:用样本指标值(统计量) 估计总体指标值（参数）。 点估计 区间估计 统计推断的任务就是用样本信息推论总体特征。 1、 点（值）估计（ 近似值） 用相应的样本统计量直接作为其总体参数的估计值。 2、 区间估计（近似范围） 按预先给定的概率（1-α）所确定的包含未知总体参数的一个范围 点估计 由样本统计量 直接估计总体参数 该方法简单，未考虑抽样误差的影响 如：27例健康成年男性血红蛋白量的样本均数为125g/L,若以该样本均数作为总体均数的点估计值，即认为2000年该地所有健康成年男性血红蛋白量的总体均数为125g/L。 区间估计 总体均数的区间估计是按一定的概率（1-α），估计总体参数所在的范围，这个范围称为参数的置信区间（confidence interval, CI）。 (1??)称为可信度或置信度（confidence level），常取95％。 置信区间通常两个数值即置信限(confidence limit，CL)构成， 较小的称为置信下限（lower limit，L）， 较大的称为置信上限（upper limit，U） 置信区间的计算 σ未知，且 n 较小，按t分布 σ已知，或σ未知但n足够大，按Z分布 （一）t分布法 查界值表，得双侧，即95％可信区间为： Z0.05/2=1.96 Z0.05=1.645 例：为了解某地成年男子红细胞的总体均数，随机抽查了200名男子，算得红细胞的样本均数为4.95*1012，标准差为0.57，试估计总体均数95%的可信区间。 Z0.05/2=1.96 Z0.05 =1.64 置信区间的含义 总体均数的95％置信区间表示该区间包含总体均数的概率为95％（或99％） 若做100次抽样算得100个可信区间，平均有95（或99）个可信区间包括总体均数，只有5个或1个区间不包括总体均数，即估计错误。 但小概率事件仅仅在一次试验中结果出现错误的可能性很小。 可信区间估计的优劣 一是可信度1??（准确度），愈接近1愈好，如99%的可信度比95%的可信度要好； 二是区间的宽度（精密度），区间愈窄愈好。 当样本含量为定值时，上述两者互相矛盾。 在可信度确定的情况下，增加样本含量可减小区间宽度。 总体均数可信区间与参考值范围的区别 练习1：随机测得某地9名7岁男孩身高资料，均数为121.44cm，标准差为5.75cm，试计算该地7岁男孩身高总体均数的95%可信区间。 下限： 上限： 练习2：某市正常该地成年女子红细胞的抽样调查中，n=90，样本均数4.18x1012/L，标准差0.29x1012/L,试估计该地正常女子红细胞总体均数的95%可信区间。 本例属于大样本，可采用正态近似的方法计算可信区间。因为 ，则95%可信区间为： 下限： 上限： 练习3：对某人群随机抽取20人，用某批号