实验5-参数估计.pptVIP

目的要求： 1.二项分布、poisson分布的概念与特征、适用条件； 2.掌握SAS中常用的概率函数probbnml、poisson和 的用法（概率的计算及单侧累积概率的计算）。 3、区间估计：总体均数及总体概率 实验五 参数估计 二项分布的概率函数--- P x≤k PROBBNML（p，n，k） 计算率为p，样本例数为n的二项分布，随机变量x≤k的概率。 如求: P x≤3 probbnml p，n，3 ； P x＝3 P x≤3 -P x≤2 probbnml p,n,3 –probbnml p,n,2 ; P x≥3 1- probbnml p，n，2 ； SAS 编程实现 SAS程序讲解1 1、某地钩虫感染率为13%，随机抽查当地150人，其中至多有2名感染钩虫的概率有多大？恰好有2名感染的概率有多大？至少有2名感染钩虫的概率有多大？至少有20名感染的概率有多大？ 程序1 data aa; n 150; p 0.13; p1 PROBBNML p,n,2 ;/*至多有2名*/ P2 PROBBNML p,n,2 -PROBBNML p,n,1 ; /*恰好有2名*/ p3 1-PROBBNML p,n,1 ; /*至少有2名*/ p4 1-PROBBNML p,n,19 ; /*至少有20名*/ proc print; run; 结果 ?Obs n prob p1 P2 p3 p4 1 150 0.13 .000000231 .000000211 1.00000 0.48798 从以上结果可见： 至多有2名的病的概率为0.000000231 ； 恰好有2名的病的概率为0.000000211； 至少有2名的病的概率为1.00000； 至少有20名的病的概率为0.48798。 Poisson分布 Poisson是二项分布的特例，当?很小 ? 0.01 ，n很大，二项分布逼近Poisson分布。 常用于研究单位容积 面积，时间 内某罕见事件的发生数。 Poisson分布概率函数： P x≤k POISSON（m，k） 计算参数为m的泊松分布的随机变量x≤k的概率。 如计算 P x≤4 Poisson m，4 ; P x＝4 P x≤4 - P x≤3 Poisson m，4 -Poisson m，3 ; P x≥4 1- Poisson m，3 。 SAS 编程实现 例2、某地新生儿先天性心脏病的发病概率为8‰，那么该地120名新生儿中有4人患先天性心脏病的概率有多大？至多有4人患先天性心脏病的概率有多大？至少有5人患先天性心脏病的概率有多大？ SAS程序： data aa; m 120*0.008; p1 POISSON m,4 - POISSON m,3 ;/*恰好有4人*/ p2 POISSON m,4 ; /*至多4人*/ p3 1-POISSON m,4 ; /*至少5人*/ proc print; run; 结果 Obs m p21 p22 p23 1 0.96 0.013550 0.99692 .00座机电话号码 从上结果可见: 恰好有4人得病的概率为0.013550; 至多4人得病的概率为0.99692; 至少5人得病的概率为0.00座机电话号码。 一 t分布 t 变换： ~ t分布， ? n ? 1 t分布与自由度? 有关。 f t ? ∞（标准正态曲线） ? 5 ? 1 0.1 0.2 -4 -3 -2 -1 0 1 2 3 4 0.3 图3.2 自由度分别为1、5、∞时的t分布 t分布的特征 类似于标准正态分布，单峰，0为中心，左右对称。 t分布的形状与自由度?有关 自由度越小，t值越分散，曲线越“扁平” ； 自由度越大，t值越集中，曲线越“瘦高” ； 当自由度为无穷大时，t分布完全成为标准正态分布。 -t t 0 单侧0.05的临界值是： t0.05,16 1.746 t TINV p,v data aa; t1 TINV 0.05,16 ; t2 TINV 0.95,16 ; t3 TINV 0.025,16 ; t4 TINV 0.975,16 ; proc print ; run; -t t t p 二 参数估计：点估计 样本统计量 总体参数 用样本均数 作为总体均数 的点估计值 用样本频率 p作为总体概率?的点估计值 二 参数估计：区间估计 总体参数的置信区间（confidence interval , CI） 1?? 置信区间 ?一般取0.05或0.01，故1?? 为95%或99% 考虑抽样误差 三 总体