第5章_总体分布、样本分布精读.ppt

第5章 总体分布、样本分布 与参数估计 《管理统计学》谢湘生广东工业大学管理学院 提示 如何依据样本的信息推断总体的特征——参数估计问题 有关概率概念的回顾 一些相关概念 5.1 总体分布与样本分布 5.1.1 总体与总体分布 5.1.3 样本分布函数 5.1.4 格利文科(Glivenko)定理（样本分布与总体分布的关系） 5.1.5 随机样本的均值函数 5.1.6 随机样本的方差函数 5.2 统计量与统计量的分布 5.2.1 统计量的定义 例子 5.2.2 由标准正态分布的随机样本所引出的几个重要统计量的分布 2. ? 2 ( n ) 分布的构成 3. t分布 4. F分布 5.2.3 由一般正态分布的随机样本所构成的若干重要统计量的分布 5.2.4 任意分布的随机样本均值函数的均值和方差 5.2.5 大样本均值的分布： 中心极限定理 5.3 点估计 5.3.1 点估计的概念 5.3.2 矩估计法 5.3.3 极大似然估计法 5.3.4 示例 5.4 判断点估计量的优劣标准 5.4.2 最小方差性 5.4.3 有效估计量 5.4.4 渐近无偏估计量 5.4.5 一致估计量 通常判别点估计量优劣的准则 小样本准则 无偏性 有效性 大样本准则 一致性 总体构成比例的估计 5.5 区间估计 5.5.2 已知总体方差求总体均值的置信区间 5.5.3 未知总体方差求总体均值的置信区间 5.5.4 未知总体均值求总体方差的置信区间 总体比例的区间估计(例题分析) 估计总体比例时样本容量的确定 (例题分析) 渐近无偏估计量是指满足如下条件的估计量： 其中n为样本容量。 一致估计量的另一种等价的定义是： （1） 是渐近无偏的； （2） 其中（2）中的极限为所谓的渐近方差 而普通方差为 可以证明下列估计量是具有较好统计性质的估计量 总体均值的矩估计量 总体方差的矩估计量 总体方差的极大似然估计量 总体比例p的估计量样本比例 常常可能会关注总体中某一类特定对象占的比例p。对于这样的问题，可以采用如下的方式处理。 在总体中任取一个个体，用一个变量X来描述所抽取的对象是否属于所关注的对象这一事件，即 X = 1，若抽得的是所关注的对象 0，若抽得的不是所关注的对象 于是，该总体可以用服从0-1分布的随机变量X ~ B(1, p)描述，其中p表示所关注的对象在总体中占的比例。 对于0-1分布B(1, p)，其数学期望值与方差分别为： p, p(1 – p) 设X1, X2, …, Xn是来自于总体X的一个随机样本，并且在这一样本中我们所关注的对象恰好出现了n1次。那么 即样本的均值恰好等于样本的比例。由此可见，可用样本比例π 来估计总体比例p。 此外，由中心极限定理，当样本容量充分大时，样本的均值函数近似地服从正态分布，也就是近似地有： 点估计的最大好处：给出确定的估计值 点估计的最大问题：无法控制误差及判断可靠程度 在实际应用中，我们通常只取一个样本，因此我们无法知道通过这个样本对总体参数的估计是否精确。 但样本容量大的随机样本通常总是给出更接近总体参数的估计值。 在用样本均值估计总体均值时，总有人会问：“这一估计有多好？”这意味着人们不但关注你给出的估计值是多少，还关注你给出的估计有多大的误差和可靠程度。 例如一家商店调查顾客的满意度，随机抽取了由100个顾客组成的样本，然后请这些顾客回答对商店服务的满意度得分，最低（最不满意）0分，最高100分。调查结果，这100个顾客给出的满意度平均分80分。 问题“这一估计有多好?”具体来说就是，这是否体现了所有顾客对商店满意的平均程度，有多大误差，样本数量是否足够等。 5.5.1 置信区间 若总体分布含一个未知参数β, 如果找出了2个依赖样本X1, X2, … , Xn的估计量： 使得 其中0 α 1，则称随机区间 为β的(1 – α )（或100 (1 – α ) %）的置信区间；(1 – α )（或百分数100(1 – α )%）称为置信度或置信水平； α 称为显著性水平，通常取为0.05, 0.10或0.01。参数的区间估计就是求参数的置信区间。 设总体X服从N(μ, 0.09), 抽取了4个样本观察值x1, x2, x3, x4, 求总体均值μ的95%的置信区间。 首先 因此 注意到N(0, 1)是一个对称分布。给定概率值0.95，现在来确定常数k，使得 2.5%的面积 95%的面积 k 利用书末的附表一，可以查得k = z0.025=1.96。于是下面的不等式成立的概率为0.95 这等价于 将z0.025=1.96代入上式，即得到所需要的置信区间 极限误差 平均误差记作 一般地，已知总体方差时均值置信区间的表达式