6参数估计解说.pptVIP

（一）无偏估计量 如果一个统计量的理论平均数，即它的数学期望等于总体参数，这个统计量被称为无偏估计量。 （二）有效估计量 在样本含量相同的情况下，如果一个统计量的方差小于另一个统计量的方差，则前一个统计量是更有效的估计量。 （三）相容估计量 如果统计量的取值，任意接近于参数值的概率随n的无限增加而趋于1，则该统计量称为参数的相容估计量 * 区间估计 * 0在［-0.766, 0.366］之间，所以两种取样方法间无显著差异 * 解该不等式可以得到μ1-μ2的1-α的置信区间为： t具有自由度n1+n2-2 2.σi未知但相等 * 当n1=n2时，μ1-μ2的1-α的置信区间为： t具有自由度2n-2 * * * 单个样本显著性检验要点 南 通 大 学 生 命 科 学 学 院 Y Y Y * 两个样本间差异显著性检验 Yi Yi Yi Yi Yi Yi * 第六章 参数估计 参数估计(parametric estimation): 用样本统计量来估计总体参数. 可以分为 点估计(point estimation)和区间估计 (interval estimation) 。 估计量(estimator):估计总体参数的统计量。 假设检验和参数估计是统计推断的两种方式 南 通 大 学 生 命 科 学 学 院 * 第一节 点估计 一、点估计 将样本统计量直接作为总体相应参数的估计值叫点估计。 点估计只给出了未知参数估计值的大小，没有考虑试验误差的影响，也没有指出估计的可靠程度。 * 用来估计μ的样本统计量有： 样本平均数、中位数、众数。 用来估计σ2的样本统计量有： 一个好的估计量应该满足以下3个条件：无偏性、有效性和相容性。 * 一、一般原理 设总体Y的分布函数F(y；?)含有未知参数?，对于给定值?（0 ?1),若由样本Y1, …, Yn确定的两个统计量CL，CU 使 第二节 区间估计 1-α:称为置信度或置信概率 随机区间(CL，CU)称为?的置信度为1??的置信区间, CU ，CL分别称为置信度（置信概率）为1-α的置信上限和置信下限。 * 区间估计是在一定概率保证（置信度1-α）下指出总体参数的可能范围。 * 区间估计的一般做法: 设有一来自正态总体的样本，包含n个观测值。样本平均数 服从正态分布 。标准化的平均数U服从N（0，1）。 U落在任一区间的概率（1-α）可以从正态分布表中查出。即： * 对 变形得： 亦即 (1)式称为总体平均数μ的1-α的置信区间。 (1) * 和 分别称为置信上限和置信下限；置信上、下限之差称为置信距，置信距越小，估计的精确度就越高。 * 二、总体均数μ的置信区间 1、?已知 * ?的置信度为1??的置信区间为 ?/2 ?/2 1-? 0 * 常用的置信度为95%和99%，故由上式可得总体平均数μ的95%和99%的置信区间如下： α=0.05和0.01时双侧临界值为 U0.05(双侧)=1.9600 U0.01(双侧)=2.5758 * 例 某药厂长期生产八珍益母丸，规定标准为每丸重9克。现有一台新购联合制丸机，设该机生产的丸重YへN（μ，σ2），σ2（经验）=0.25。为检验该机工作是否正常，随机抽取100丸，丸重均数为9.1克，问制丸机工作正常？ * 解： 1）YへN（μ，0.25） 2）提出假设 H0：μ=9，HA：μ≠9 3）α=0.05 5）拒绝域 u0.05/2=1.96， ∵│u│u0.05/2 ∴ P0.05 6）拒绝H0，接受HA，即制丸机工作不正常 * 9不在［9.002, 9.198]区间内，所以二者不是来自同一个总体。 * 2、?未知 m的1-a置信区间为 1-? 即得 * 置信区间可简记为： 总体平均数μ的95%和99%的置信区间如下： * 当样本含量n100时，t分布近似标准正态分布，此时可用标准正态分布代替t分布。相应的1- α可信区间为： 例见p119 * 三、σ的置信区间 * 例见教材P120 * 四、两均数之差的区间估计 σi已知； σi未知但相等； σi未知且σ1≠ σ2 * * 解该不等式可以得到μ1-μ2的1-α的置信区间为： 1. σi已知 * * *