第8章参数估计2.pptVIP

第一章 绪论 第8章 参数估计 估计量：用于估计总体参数的随机变量 如样本均值，样本比例、样本方差等 例如: 样本均值就是总体均值的一个估计量 参数用? 表示，估计量用 表示 估计值：估计参数时计算出来的统计量的具体值 如果样本均值?x =80，则80就是估计量样本均值的估计值 无偏性：估计量抽样分布的数学期望等于被估计的总体参数 一致性：随着样本容量的增大，估计量的值越来越接近被估计的总体参数 根据样本估计量以一定的可靠程度推断总体参数所在的区间范围。 在点估计的基础上，给出总体参数估计的一个区间范围，该区间由样本统计量加减抽样误差而得到的 根据样本统计量的抽样分布能够对样本统计量与总体参数的接近程度给出一个概率度量 比如，某班级平均分数在75～85之间，置信水平是95% 总体均值的区间估计(以样本均值服从正态分布为例） 置信区间 由样本统计量所构造的总体参数的估计区间称为置信区间。该区间的两个端点，分别称为置信区间的置信下限θL 和置信上限θU 统计学家在某种程度上确信这个区间会包含真正的总体参数，所以给它取名为置信区间 用一个具体的样本所构造的区间是一个特定的区间，我们无法知道这个样本所产生的区间是否包含总体参数的真值 我们只能是希望这个区间是大量包含总体参数真值的区间中的一个，但它也可能是少数几个不包含参数真值的区间中的一个 置信水平 将构造置信区间的步骤重复很多次，置信区间包含总体参数真值的次数所占的比例称为置信水平 表示为 (1 - ??? ??为是总体参数未在区间内的比例? 常用的置信水平值有 99%, 95%, 90% 相应的 ??为0.01，0.05，0.10 置信区间与置信水平 影响区间宽度的因素 总体数据的离散程度，用 ? 来测度 样本容量n（ ） 置信水平 (1 - ?)，影响 z或t 的大小 本章小结 参数估计的一般问题 一个总体均值和比例的区间估计 样本容量的确定 Excel在参数估计中的应用 （一）总体均值的区间估计 — — 小样本 大样本 非正态总体 小样本 当样本容量足够大时，采用： 大样本 正态总体 样本容量 （重复抽样） 总体分布 总体方差已知时总体均值的估计 1. 假定条件 总体服从正态分布 如果是非正态分布，可由正态分布来近似 (n ? 30) 样本均值服从正态分布，如重复抽样条件下， 总体均值 ? 在1-?置信水平下的置信区间为 抽样极限误差 样本均值的标准差 【例】一家食品生产企业以生产袋装食品为主，为对产量质量进行监测，企业质检部门经常要进行抽检，以分析每袋重量是否符合要求。现从某天生产的一批食品中随机抽取了25袋，测得每袋重量如下表所示。已知产品重量的分布服从正态分布，且总体标准差为10克。试估计该批产品平均重量的置信区间，置信水平为95% 102.8 95.4 123.5 107.5 101.0 25袋食品的重量 98.4 108.6 101.6 108.8 102.0 93.3 101.5 136.8 105.0 97.8 116.6 102.2 102.0 100.0 115.6 95.0 102.6 100.5 103.0 112.5 解：已知Ｘ~N(?，102)，n=25, 1-? = 95%，z?/2=1.96。 即：该食品平均重量的置信区间在101.44—109.28克之间。 【例】某企业生产的灯泡，根据其积累的历史资料，灯泡使用寿命的方差为625小时2。该企业某一天生产灯泡18000只，从中以简单随机抽样方式抽取60只检测，其平均寿命为2000小时。试以95%的置信度估计该天生产的全部灯泡的平均寿命范围。 分析：在总体方差已知的情况下，虽然不知道灯泡寿命是否服从正态分布，但由于抽取的样本容量为60，是一个大样本，根据中心极限定理，样本均值近似服从正态分布，即 解： 即可以用95%的概率保证该天生产灯泡的平均寿命介于1993.685～2006.315小时之间。 总体方差未知时总体均值的估计 1. 假定条件 总体服从正态分布 如果是非正态分布，可由正态分布来近似 (n ? 30) 样本均值服从t分布，如： 重复抽样条件下， 总体均值 ? 在1-?置信水平下的置信区间为 抽样极限误差 【例】已知某种灯泡的寿命服从正态分布，现从一批灯泡中随机抽取16只，测得其使用寿命(小时)如下。建立该批灯泡平均使用寿命95%的置信区间 1460 1490 1480 1520 16灯泡使用寿命的数据 1470 1510 1520 1500 1470 1460 1530 1480 1510 1450 1480 1510 解：已知Ｘ~N(?，?2)，n=16, 1-? =