抽样理论和参数估计.ppt

抽样理论和参数估计 任课老师：禤宇明 本章基本内容 基本概念 总体、个体、总体容量、样本、样本容量、抽样、参数、统计量 抽样方法 随机、等距、分层 抽样分布 样本平均数：Z分布、t分布 样本方差：卡方分布、F分布 参数估计 点估计：充分性、无偏性、有效性、一致性 区间估计：显著性水平、置信度、置信区间 1. 抽样的基本概念 总体(population)：要研究的事物或现象的总体 个体(unit)：组成总体的每个元素(成员) 总体容量(population size)：一个总体中所含个体的数量 样本(sample)：从总体中抽取的部分个体 样本容量(sample size)：样本中所含个体的数量 抽样(sampling)：为推断总体的某些重要特征，需要从总体中按一定抽样技术抽取若干个体的过程 参数(parameter)：反映总体数据特征的量数 统计量(statistic)：反映样本数据特征的量数 统计量是样本的函数，只依赖于样本；样本均值、样本方差等都是统计量 2. 抽样方法2.1简单随机抽样 simple random sampling 完全随机地选取样本，要求有总体中每一个个体的详尽名单，给总体N个元素编号 抽签 随机数字表 2.2 等距抽样 又称系统抽样 (systematic sampling) 给总体N个元素编号 抽样间距 k＝N/n 随机确定起点 a (1≤a ≤k) a, a+k, a+2k, …, a+(n-1)k 受总体数据的周期性的影响 例：从N＝800的总体中抽取50个样本 2.3 分层抽样 stratified random sampling 先将总体分成不同的“层”，然后在每一“层”内进行简单随机抽样 分层原则：层内变异要小，层间的变异要大 可防止简单随机抽样造成的样本构成与总体构成不成比例的现象。 3. 抽样分布 3.1 样本平均数的分布 sampling distribution of the mean 采用随机抽样的方法，从总体中抽取大小为n的样本，计算出它的平均数X1，然后将这些个体放回总体去，再次取n个个体，又可以计算出X2，… 再将n个个体放回去，再抽取n个个体，可以计算出无限个X，这些样本平均数X所有可能值的概率分布叫平均数X的抽样分布 总体方差已知 总体方差未知 3.1.1 总体方差已知的样本平均数分布3.1.1.1 总体分布正态 3.1.1.2 总体分布未知 中心极限定理Central Limit Theorem 设从均值为?，方差为?2（有限）的任意一个总体中抽取大小为ｎ的样本，当ｎ充分大时，样本均值X的抽样分布近似服从均值为?，方差为?2/ｎ的正态分布。 注：什么叫ｎ充分大呢？ 总体偏离正态越远，则要求ｎ就越大。在实际应用中常要求ｎ?30 或者ｎ?50 3.1.1.3 标准误 standard error 样本平均数的标准差称为标准误 例： 某电梯承受的最大拉力为1000千克,可乘坐13人。已知人群的平均体重为60千克，标准差为14千克，且服从正态分布。问电梯发生事故的概率是多少？ 例：某厂声称生产的电池?=54个月，?=6个月的寿命分布。某消费团体为检验该厂的说法是否准确，购买了50个该厂生产的电池进行试验。⑴ 若厂商声称是正确的，描述50个电池寿命的抽样分布；⑵ 若厂商声称是正确的，则50个样品组成的样本的平均寿命不超过52个月的概率是多少？ 3.1.2 总体方差未知的样本平均数分布 当总体方差?2未知时，用S2作为?2的估计值 3.2 t分布 3.2.1 自由度 degree of freedom 可以自由取值的变量的个数 任意说出三个整数 任意说出三个和为100的整数 3.2.2 t分布的特点 student’s t distribution 对称：左侧为负，右侧为正，均值为0 -? t +? n→?时, t分布为正态分布，方差为1 n30时, t分布为接近正态分布，方差1, n30时, t分布与正态分布相差较大，随n-1减小方差越大 n45时, t分布与正态分布没有多大差异 在小样本n30时, t分布具有重要作用 3.2.3 t分布的一些推论 P112 3.3 样本方差的分布 样本方差的分布较复杂，它与总体分布有关。在这里只研究当总体为正态分布时，样本方差的分布。 设x1,x2,…,xn为来自正态分布N(?，?2)的样本，则从数学上可以推导出正态总体下样本方差S2的分布为: 3.4 ?2分布 Chi-square distribution 3.4.1 ?2分布的特点 正偏态分布 当df→∞时， ?2分布为正态分布 ?2值都是正值 可加性 k个?2分布的和