03第三章(I)总体均数的估计解说.pptVIP

两总体均数差的可信区间 两总体均数差的可信区间 可信区间的评价 我们取得未知总体参数的可信区间，如何评价这个区间到底好不好，可信不可信，实用性强不强？ 从可信区间的准确度与精确度两个方面进行评价 * 可信区间的准确度与精确度 假设从医学生中抽取一份样本n=10人，求得医学统计学平均分为75分，标准差为10分，求总体平均分的可信区间？ 现有两位同学求得两个可信区间，甲同学为72~78分 (60%CI) , 乙同学的为60～90分(99.999999%CI) 如何评价？ * 可信区间的准确度与精确度 从实用性角度来说，甲同学的结果应该更实用些,区间的跨度只有6分，估计得很精确！ 但是从可靠程度来说，似乎乙同学的结果更值得信赖,总体均数在该区间外的可能性几乎为0，该区间的可信度极高！ * 可信区间的准确度与精确度 可信区间的可信度反映了其准确度，可信度越大，错误估计的可能性越小，结果越准确 可信区间的跨度反映了其精确度，精确度越高，区间跨度越小，更趋于某一个点值 但是，这二者的关系是“鱼和熊掌不可兼得”！ * 可信区间的准确度与精确度 在样本含量与样本标准差固定的情况下，如果要获得精确的参数估计，则可信度必然下降 极端的情况就是使用点估计，此时十分精确，但估计正确的可能性几乎为0！ 如果想要得到一个把握很大的参数估计，那么就要把区间扩大些，使得漏估计的可能性尽可能小，此时准确性很高 极端的情况就是宣称“总体平均分应该在0～100分间吧！”但是没有任何实用价值！ * 准确度与精确度 根据研究目的与性质取舍 如果没有特殊要求，应该以准确度为主，在保证估计准确的情况下通过适当增大样本含量的方法，改善区间的精确度 所以通常求95％的CI，同时保证样本含量足够大，这样得到可信区间具有较高的可信度和较好的精确性 * 思考 参考值范围与可信区间有无区别 研究者对人造瓣膜的血液流速进行观测，样本含量为61人，平均流速为5.96，标准差为1.93，求总体平均流速的95%可信区间 如果制造商想保证该种瓣膜的血液流速至少为5.00，根据当前样本的信息，商家能否兑现他们的保证？ t分布曲线下面积 统计学家为了计算方便编制了t分布曲线下面积表 在t值表中，横标目为自由度 v，纵标目为概率(P或α);一侧尾部面积称为单侧概率(one-tailed probability)，两侧尾部面积之和称为双侧概率(two-tailed probability) 1 - a a/2 a/2 1 - a a t分布曲线下面积 可见如果t值越远离0，它所对应的单侧或双侧尾部面积就越小 即 越大，曲线下面积a或a/2越小 通常使用不同的符号：t a ,v、 t a/2 ,v区别单侧或双侧的曲线下面积 另外如果在相同自由度的情况下，双侧0.05的曲线下面积对应的t值绝对值=单侧0.025的曲线下面积对应的t值绝对值 求自由度v为10，单侧概率a=0.05时的t界值，并简述其含义 由表中查得单侧t0.05,10＝1.812 从一个正态总体中随机抽样，每次抽11个个体，分别计算各个样本的均数与标准差，并对之进行t转换后，理论上有P(t≤-1.812)= 0.05或P(t≥1.812)= 0.05 求自由度v为100，双侧概率a=0.05时的t界值，并简述其含义 由表中查得双侧t0.05/2,100＝1.984 从一个正态总体中随机抽样，每次抽101个个体，分别计算各个样本的均数与标准差，并对之进行t转换后，理论上有 P(t≤-1.984)＋P(t≥1.984)= 0.05 样本方差的分母是n-1证明* 样本方差的分母是n-1证明* 第三节. 参数估计 参数估计parameter estimation ：用样本的统计量估计所来源总体的参数 估计的方法有以下两种：点估计与区间估计 用样本的估计量直接作为总体参数的估计值，例如：用样本均值直接作为总体均值的估计 其方法简单，但未考虑抽样误差的大小 所以某一数值是否是良好的点估计值是没有意义的，但是计算该数值的方法（指标）是否是一个好方法（指标）确是值得探讨的 点估计(Point Estimation) 为了确定一个方法的好坏，需要对多次重复同一个研究的结果进行比较 一个好的点估计方法可以有如下特征：1、无偏性（如果在无数个样本上运用该方法，得到的样本统计量的期望值(均值)等于总体参数）2、有效性（许多次的重复抽样得到的点估计值不应该偏离总体参数太远）3、一致性（样本含量趋于无穷，则统计量趋于参数）4、充分性（估计值充分利用个体值提供的信息） 点估计(Point Estimation) 可以证明样本均值是总体均值的最好估计，具备无偏