04抽样误差详解.ppt

抽样误差及其规律性 Sampling variability and its attributes 了解抽样误差规律的重要性 两种研究思路 概率论：已知总体?样本具有什么性质？ 统计学：已知样本?总体具有什么性质？ 概率论：规律性中的随机性 统计学：随机性中的规律性 抽样误差 sampling error，sampling variability 由抽样引起的样本统计量与总体参数间的差别。 原因：个体变异＋抽样 表现： 样本统计量与总体参数间的差别 不同样本统计量间的差别 抽样误差是不可避免的！ 抽样误差是有规律的！ 模拟试验 假设一个已知总体，从该总体中抽样，对每个样本计算样本统计量(均数、方差等)，观察样本统计量的分布规律－－抽样分布规律。 考察： 不同的分布 不同的样本含量 对统计量的影响。 均数的模拟试验 从不同总体中进行抽样，观察均数的抽样分布规律。 正态分布总体 对数正态分布总体 U型分布总体 考察： 样本均数的均数与总体均数有何关系？ 样本均数的标准差与总体标准差有何关系？ 样本均数的分布形状如何？ 不同的样本含量对上述性质的影响如何？ 从已知总体中抽样 模拟试验 随机现象的模拟系统 赵 杨 均数的抽样误差之特点 各样本均数未必等于总体均数； 样本均数间存在差异； 样本均数的分布很有规律，围绕总体均数，中间多两边少，左右基本对称； 样本均数的变异范围较之原变量的变异范围大大缩小； 随着样本含量的增加，样本均数的变异范围逐渐缩小。 中心极限定理(central limit theorem) Case 1: 从正态分布总体N(μ,σ) 中随机抽样(每个样本的含量为n)，可得无限多个样本，每个样本计算样本均数，则样本均数也服从正态分布。 样本均数的均数为 μ; 样本均数的标准差为 。 中心极限定理(central limit theorem) Case 2: 从非正态(nonnormal)分布总体(均数为μ，方差为σ)中随机抽样(每个样本的含量为n)，可得无限多个样本，每个样本计算样本均数，则只要样本含量足够大(n50),样本均数也近似服从正态分布。 样本均数的均数为 μ; 样本均数的标准差为 。 标准误(standard error) 样本统计量的标准差称为标准误。 样本均数的标准差称为均数的标准误。 均数的标准误表示样本均数的变异度。 当总体标准差未知时，用样本方差代替， 前者称为理论标准误，后者称为样本标准误。 与样本含量的关系 n 越大，均数的均数就越接近总体均数； n 越大，变异越小，分布越窄； 对称分布接近正态分布的速度，大于非对称分布。分布越偏，接近正态分布所需样本含量就越大。 抽样误差的规律性(1) 均数的抽样误差规律： 在样本含量足够大时，无论总体分布如何，其均数的分布趋于正态分布(大数定律) 在样本含量较小时： 总体为正态分布时：正态分布 总体为非正态分布时：? 正态分布的标准化变化 若 X ~ N(μ,σ) , 则 。 从N(0,1)中1000次抽样的 u 值的分布(n=4) t 分布的概念 实际工作中，总体方差未知。所以，用样本方差代替总体方差， 此时 的分布如何？ 从N(0,1)中1000次抽样的 t 值的分布(n=4) t 分布的概念 用样本方差代替总体方差，此时 不服从正态分布。而服从 t 分布。记为： t分布 1908年Gosset以笔名Student发表。故又称Student t 分布。 t 分布是一簇分布，与自由度有关。 自由度: degree of freedom t分布 t 分布的高峰位置比 u 分布低，尾部重。即相同的尾部面积对应的界值，比 u 分布大。 例如： P=0.05，u=1.64，而自由度为3的 t分布界值，t = 3.182。 样本统计量的抽样分布 任何一个样本统计量均有其分布规律。 从正态分布总体中抽样： 均数的抽样分布为正态分布； 样本方差的分布服从?2分布； 样本方差之比服从F分布； t 值服从 t 分布； …… 抽样误差的规律性(2) t 的抽样误差规律： 总体为正态时：t ~ t 分布 总体为非正态时： 样本含量较大时：近似正态分布 样本含量较小时：？ 抽样误差的规律性(3) 方差的抽样误差规律： 在正态总体时：方差的分布服从?2分布。 抽样误差的规律性(4) 方差比值的抽样误差规律： 在正态总体时：方差之比的分布服从F分布。 研究抽样分布的目的 样本统计量的抽样分布规律是统计推