第二章概率统计基础回顾分析.ppt

在标准正态分布表中，发现左边面积等于0.02的z-值大概是z=-2.05 从标准正态转换回来 计算均值 什么是统计 Statistics is the science of collecting, organizing and interpreting numerical facts (data). In science, society and everyday life, people use data to help them understand the world and choose how to act, and statistical methods help to separate sense from nonsense. 统计的关键要素 描述性统计 数据的图形展示（exploratory data analysis） 概率理论 统计推断 假设检验 回归等统计模型 二、估计量和估计值 估计量 是一个随机变量 其遵从的法则在抽样前就确立了，不根据抽样结果发生变化 分为点估计和区间估计两类 估计值 具体将抽样数据代入到估计量中计算的数值 例子：样本均值 作为总体均值的估计量，其估计值为 三、估计量的有限样本性质 1. 估计量的无偏性 试证明样本方差 是总体方差的无偏估计量 无偏估计量可能有很多 样本均值 是μ的无偏估计 第一次抽样 也是μ的无偏估计 需要其他性质表征估计量优劣 2. 估计量的方差 估计量的期望和方差都不是随机变量，是常数 方差比较 样本均值的方差 Y1的方差 增大样本容量可以使样本均值的方差趋近于零 相对有效性 方差越小，越有效 需要在无偏估计量中比较才有意义 四、估计量的大样本性质 1. 一致性 令 为 基于样本容量是n的估计量，如果对任一 ，都有 则 便是 的一个一致估计量，简记 一致性是起码要求，否则搜集样本变得无意义。 方差随样本增大趋近于零的无偏估计，也是一致的。 2. 渐进正态性 一致性没有告诉分布的形状 定义：令 是一个r.v.列，使得对所有的数值z，都有 样本量足够大时，可以用标准正态分布去近似。 中心极限定理 所谓假设检验，就是事先对总体参数或总体分布形式作出一个假设，然后利用样本信息来判断原假设是否合理，即判断样本信息与原假设是否有显著差异，从而决定是否接受或否定原假设。 假设检验采用的逻辑推理方法是反证法。 先假定原假设正确，然后根据样本信息，观察由此假设而导致的结果是否合理，从而判断是否接受原假设。 判断结果合理与否，是基于“小概率事件不易发生”这一原理的 一、零（原）假设和备择假设 假设检验也称统计显著性检验。 原假设（null hypothesis, H0）是对总体参数的特定判断 备择假设（alternative hypothesis, Ha）是排除了原假设的宽泛的判断 H0 : μ = 227g (μ 是包装重量的总体均值) Ha : μ≠227g ( μ 不达标) * * 二、Х2分布 * * Χ2(5)、 Χ2(10)分布 * 三、t分布 * * 四、F分布 * * * 第三节 抽样与估计量 一、总体与抽样 总体：任何定义完好的一组的对象。 （随机）抽样：若 是具有同一概率密度函数 的独立随机变量，我们称 为一个来自 （所代表的总体）的简单随机样本（SRS）。 随机样本间服从独立同分布i.i.d. 统计推断指利用来自某总体的一个样本对总体做些“了解”（估计和假设检验） * * Sampling distribution of x bar * * * * Population with strongly skewed distribution Sampling distribution of for n = 2 observations Sampling distribution of for n = 10 observations Sampling distribution of for n = 25 observations * * 第四节 区间估计与置信区间 样本均值的分布比其总体分布要“窄”，因子是 。样本均值相对接近于参数 μ。 区间估计量是一个随机变量构成的区间。 原理 由于正态分布是对称的，参数μ具有95%的可能性落