（企管）第章抽样分配.pptVIP

第七章 摘要 * 1.欲估计母体的参数 需要抽样(一般不做普查，原因费时费力)， 抽样的估计值与母体参数不会相同 会有误差， 其关系式为 估计值 = 参数+方法偏差+抽样误差 * 2.方法偏差 方法偏差是人为的疏忽应避免， 例如方便的资料等所造成的偏差。 抽样误差是自然的因素虽非人为的， 但也可由对资料的认知降低误差， 例如以分层随机抽样取代 简单随机抽样就能降低抽样误差 * 抽样样本数的决定 * 4.了解中央极限定理的意义、 应用及其重要性 * 5.以身高资料说明的抽样分布会接近常态 * 标准误与标准差的关系 * 7.与常态分配相关之分配， 包括卡方分配、分配、分配。 了解各种分 配定义及分配图长像与用途， 但初学者不用强记密度函数 * 8.卡方 卡方是标准常态分配的平方， 其自由度为平方和的个数， 但每个标准常态间必须独立 * 9.分配与分配间的关系： * 10.t分配 是用在母体标准差未知时， 的分布(7.20式) * 答案 ：是 其自由度变成n - 1， 这是因为参数 ?被估计值取代， 因此牺牲了一个自由度 * * 样本变异数的分布不是常态而是右偏的卡方分布 * * 例7.2、 如果从标准常态母体中每次抽4个， 得x1, x2, x3, x4，再计算 这样重覆做10000次，得到10000笔数据 试画其直方图 * * * 卡方分配查表 * 图7.13　 之几何意义 * 查附表 * 卡方分配的应用 卡方分配主要用在检定 (检定定义在第八章) 它可用来检定资料是否适合某种分配 (适合度检定) 或是检定一组常态分配资料其变异数 是否等于某数。 * 另外当母体标准差未知时， 如要对母体平均数m做统计推论， 更需要用到样本变异数的分配 由卡方分配才导出7.6与7.7节 所要讨论的 t分配与 F分配。 * 7.6 t分配 * “自由度k的t分配定义 * 自由度n - 1的t分配 * 自由度k的t分配的密度函数 * 图7.14 t分配密度函数图 * * * 注 (i) t分配是对称图形， 它的形状与常态分配相似， 不过往两边下降速度较常态分配缓慢。 (ii)当自由度k愈大时， t分配就愈接近标准常态分配。 * t 分配查表 * * 查 t 附表 * 注 * 7.7 F分配 * F分配的密度函数 * 图7.17 F分配图 * * * F分配查表 * * 查 F分配表 * 1. 误差在1公分之内的机会 ? 抽样误差 * 2. 估计误差在1.3公分之内的机率? 抽样误差 * 3. 控制估计误差在1公分之内而对的机会有 95%时，那应取多少样本呢？ 信赖度 * 全国成年女生610万人其身高分布 0 100 200 300 400 500 600 700 800 900 1000 1100 136 140 144 148 152 156 160 164 168 172 176 180 184 188 192 196 200 次数 ( 单位：千 人 次 ) * 图 7.5 全国成年人身高分布 0 100 200 300 400 500 600 700 800 900 1000 1100 1200 1300 136 140 144 148 152 156 160 164 168 172 176 180 184 188 192 196 200 所有成年人的平均身高是 m =164.21 ，标准差 s = 7.8831 。 次数 ( 单位：千人次 ) * * 7.3 大数法则 * 中央极限定理 常态分配在理论上有很多好的结果，统计学上常假设资料是常态分配，例如常听到常态分班、常模、常态曲线等等 这些假设的依据是什么呢？ 就是中央极限定理的功劳 * 中央极限定理 * 中央极限定理 * (1) 「不论原母体是什么分配」， 不管母体资料是连续型或离散型、 对称或不对称、右偏或左偏， 甚至是单峰或多峰都无所谓， 只要样本数n“足够大”， 分配 就会变成像钟形的常态分配。 * (2)抽样样本数不论是多少个， 代表资料“中心点”的样本平均数的 期望值与原母体分配的期望值都相同 * * (i) 常态母体 * (ii) 右偏母体 * (iii) 均匀母体 * (i