统计学_抽样分布分解.ppt

第四章 抽样分布 主要内容 第一节 抽样的概念与方法 第二节 简单随机样本的抽样分布 第三节 抽样其它组织形式及其分布特征 第二节 简单随机样本的抽样分布 一、重置抽样的抽样分布 二、不重置抽样的抽样分布 一、重置抽样的抽样分布 样本统计量的分布就是抽样分布 （一）样本均值的抽样分布 容量相同的所有可能样本的样本均值的概率分布 一种理论概率分布 进行推断总体总体均值?的理论基础 【例】设一个总体，含有4个元素(个体) ，即总体单位数N=4。4 个个体分别为x1=1、x2=2、x3=3 、x4=4 。总体的均值、方差及分布如下 总体分布 1 4 2 3 0 .1 .2 .3 均值和方差 总体特征值 ? 现从总体中抽取n＝2的简单随机样本，在重复抽样条件下，共有42=16个样本。所有样本的结果为 3,4 3,3 3,2 3,1 3 2,4 2,3 2,2 2,1 2 4,4 4,3 4,2 4,1 4 1,4 4 1,3 3 2 1 1,2 1,1 1 第二个观察值 第一个 观察值 所有可能的n = 2 的样本（共16个） 样本均值的抽样分布 样本均值的抽样分布 ? 计算出各样本的均值，如下表。并给出样本均值的抽样分布 3.5 3.0 2.5 2.0 3 3.0 2.5 2.0 1.5 2 4.0 3.5 3.0 2.5 4 2.5 4 2.0 3 2 1 1.5 1.0 1 第二个观察值 第一个 观察值 16个样本的均值（x） X 样本均值的抽样分布 1.0 0 .1 .2 .3 P (X ) 1.5 3.0 4.0 3.5 2.0 2.5 样本均值的分布与总体分布的比较 ? = 2.5 σ2 =1.25 总体分布 1 4 2 3 0 .1 .2 .3 抽样分布 P ( X ) 1.0 0 .1 .2 .3 1.5 3.0 4.0 3.5 2.0 2.5 X 显然，不同的样本对应着不同的样本统计量，而由于样本抽取的随机性，样本统计量即为一种随机变量。 一般地，样本统计量的可能取值及其取值概率，形成其概率分布，统计上称为抽样分布（sampling distribution)。 ▲正是抽样分布及其特征使得用样本统计量估计总体参数的“精确程度”能够给予概率上的描述。 ▲由于样本统计量的随机性及其抽样分布的存在，同样可计算其均值、方差、标准差等数字特征来反映该分布的中心趋势和离散趋势。 1、样本平均数的期望值 由于不同的样本可得到不同的样本均值，因此，考察样本均值的期望就显得非常重要。 用 表示样本均值的期望值， 表示总体均值，可证明在简单随机抽样中。 结论： 样本平均数的标准差可得： 样本均值的标准差可用来测度样本均值与总体均值的“距离”，即可用来计算可能的误差，它也被称为均值标准误（standard error of the mean）或抽样平均误差。 2.样本平均数的标准差 （二）样本比例的抽样分布 在经济与商务的许多场合，需要用样本比例p对总体比例P进行统计推断。 样本比例抽样分布是样本比例所有可能值概率分布。 同样地，要考察样本比例p与总体比例P的接近程度，需要有样本比例抽样分布的相关信息。 结论 根据p的期望值、标准差及前面样本平均数的特性（抽样分布形状）。 1、期望值：E (p)=P 2、标准差： ? 现从总体中抽取n＝2的简单随机样本，在不重复抽样条件下，共有12个样本。所有样本的结果为 3,4 3,3 3,2 3,1 3 2,4 2,3 2,2 2,1 2 4,4 4,3 4,2 4,1 4 1,4 4 1,3 3 2 1 1,2 1,1 1 第二个观察值 第一个 观察值 所有可能的n = 2 的样本（共16个） 二、不重置抽样的抽样分布（一）样本均值的抽样分布 样本均值的抽样分布 ? 计算出各样本的均值，如下表。并给出样本均值的抽样分布 3.5 2.5 2.0 3 3.0 2.5 1.5 2 3.5 3.0 2.5 4 2.5 4 2.0 3 2 1 1.5 1 第二个观察值 第一个 观察值 12个样本的均值（x） X 样本均值的抽样分布 0 1 2 3 P (X ) 1.5 3.0 3.5 2 2.5 样本均值的分布与总体分布的比较 ? = 2.5 σ2 =1.25 总体分布 1 4 2 3 0 .1 .2 .3 抽样分布 P ( X ) 0 .1 .2 .3 1.5 3.0 3.5 2.0 2.5 X 结论：（不放回抽样） 1、样本平均数的期望值 2、样本平均数的标准差 称为有限总体修正因子（finite popu