正态分布及抽样误差解析.pptVIP

* 法国概率论学者狄莫弗 18世纪30年代 * 通过高尔顿钉板试验我们发现一旦试验次数增多并且注意观察的话，你就会发现，最后得出的竟是一条优美的曲线。 * * * 参考值范围的估计方法 方法 双侧 单侧下限 单侧上限 正态分布法 例 20 ～ 29岁正常成年男子尿酸浓度 求双侧95%的参考值范围： 下限 上限 总结 正态分布是描述个体变异的重要分布之一，也是统计学理论中的重要分布之一； 正态分布是一簇分布，由两个参数决定：均数和标准差； 正态分布曲线下的面积是有规律的，且与标准正态分布曲线下的面积对应(以标准正态离差为单位)。 需要掌握的内容 正态分布的性质 正态曲线下面积的分布规律 参考值范围确定的原则和方法 抽样误差及其规律性 Sampling variability and its attributes 了解抽样误差规律的重要性 总体 同质个体、个体变异 总体参数 未知 样本 代表性、抽样误差 随机 抽样 样本统计量已知 统计推断 风 险 抽样误差(sampling error) 由抽样引起的样本统计量与总体参数间的差别。 原因：个体变异＋抽样 表现： 样本统计量与总体参数间的差别 不同样本统计量间的差别 抽样误差是有规律的！ 模拟试验 假设一个已知总体，从该总体中多次抽样，对每个样本计算样本统计量(均数、方差等)，观察样本统计量的分布规律－－抽样分布规律。 考察： 不同的分布 不同的样本含量 对统计量的影响。 均数的模拟试验 从不同总体中进行抽样，观察均数的抽样分布规律。 偏三角分布总体 均匀分布总体 指数分布总体 U型分布总体 考察： 样本均数的均数与总体均数有何关系？ 样本均数的标准差与总体标准差有何关系？ 样本均数的分布形状如何？ 不同的样本含量对上述性质的影响如何？ 从已知总体中抽样 μ = 0 σ = 1 样本含量n =10 抽样次数m =10000 =0.0681 S =0.7245 =-0.1703 S = 0.9248 =0.3747 S= 1.2473 Sampling Distribution of sample means Sampling Distribution of sample means Sampling Distribution of sample means Population B X X Population C X Population D X Population A n=10 n=4 n=25 n=2 Sampling Distribution of sample means Sampling distribution for means 均数的抽样误差之特点 各样本均数未必等于总体均数； 样本均数间存在差异； 样本均数的分布很有规律，围绕总体均数，中间多两边少，左右基本对称； 样本均数的变异范围较之原变量的变异范围大大缩小； 随着样本含量的增加，样本均数的变异范围逐渐缩小。 中心极限定理(central limit theorem) Case 1: 从正态分布总体N(μ,σ) 中随机抽样(每个样本的含量为n)，可得无限多个样本，每个样本计算样本均数，则样本均数也服从正态分布。 样本均数的均数为 μ; 样本均数的标准差为 。 中心极限定理(central limit theorem) Case 2: 从非正态(nonnormal)分布总体(均数为μ，方差为σ)中随机抽样(每个样本的含量为n)，可得无限多个样本，每个样本计算样本均数，则只要样本含量足够大(n50),样本均数也近似服从正态分布。 样本均数的均数为 μ; 样本均数的标准差为 。 标准误(standard error) 样本统计量的标准差称为标准误。 样本均数的标准差称为均数的标准误。 均数的标准误表示样本均数的变异度。 当总体标准差未知时，用样本方差代替， 前者称为理论标准误，后者称为样本标准误。 均数标准误的计算 例：某市16岁女中学生的身高均数(μ)为155.4cm，标准差(σ)为5.3cm n=10 与样本含量的关系 n 越大，均数的均数就越接近总体均数； n 越大，变异越小，分布越窄； 对称分布接近正态分布的速度，大于非对称分布。分布越偏，接近正态分布所需样本含量就越大。 标准误与标准差（1） 联系： 都表示变异的大小； 样本含量一定时，标准差越大，标准误越大。 标准误与标准差（2） 标准差 含义： 一组变量值离散程度； 标准差越小，均数的代表性