第二讲应用统计.pptVIP

一个水库有多少条鱼，一片森林的木材储蓄量有多少，一批灯管的平均使用寿命是多少，一批产品的合格率是多少，怎样才能知道这些问题的答案？问题很简单，你只要从中抽出部分样品，根据样品提供的信息去推断就可以了。这就是用样本推断总体的问题。 统计推断的过程一、统计推断1.统计推断基本概念 总体：有限总体、无限总体； 样本； 统计量：样本的函数。例如样本均值 参数: 总体的数字特征。如均值、标准差 统计推断的任务：通过样本（的统计量）来了解总体的特性（参数）。 为什么需要利用抽样来了解总体：1） 总体无法得到；2） 时间或成本不允许；3） 实验具有破坏性。 2.统计推断的基本思想 1）选用一个概率模型来刻画样本所取自的总体，使用样本对模型的一些特性做出推断（由部分来认识总体） ； 2）由于样本的随机性，需要分析作出的推断犯错误（风险）的可能性的大小。 3.统计推断的内容 1)估计参数 点估计和区间估计 点估计的例子居民家庭年收入遵从样本均值和样本方差都是统计量，利用统计量做估计又称估计量。区间估计 区间估计是在点估计的基础上给出总体参数估计的一个估计范围。这个范围通常是样本的点估计值加减估计误差而得到的。 在区间估计中，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， 1)估计参数（续） 区间估计的例子用样本均值估计正态总体的期望 μ，误差范围有多大，有多大的概率保证μ在得到的区间内。 2)假设检验 假设检验：样本是否适合所选用的模型？ 例子：是否可以使用模型N(570,306)来刻画所有居民的家庭年收入？ 思想：如果该模型是适合的，那么 和570相差很多的可能性（概率）不能太大。 二、随机抽样与简单随机样本 1.有限总体的随机抽样1) 等概率抽样。2) 样本是数值又是随机变量。3) 有放回抽样：每一个样本抽取的环境相同，与总体同分布，相互独立。4) 简单随机样本定义：样本与总体同分布且相互独立。5) 无放回抽样：样本抽取的环境各不相同，相互不独立，不是简单随机样本。6) 随机样本的抽样方法：总体分布和样本的例子： 一个箱子中有10000个筹码，其中50%标价5元， 30%标价10元， 10%标价15元， 10%标价30元。1 从中抽一个容量为30的样本：2.无限总体的简单随机抽样：1）特性：抽取一个样本对以后样本无影响，每个样本都和总体同分布，且相互独立； 2）简单随机样本定义：样本与总体同分布且相互独立。（和有限总体定义相同） 3）例子：掷硬币它是无限总体吗？写出它的分布。三、抽样分布 1.抽样分布的概念1)样本是随机变量，样本取值不同，均值 也不同。也是随机变量 ， 的概率分布称作它的抽样分布。 2)统计量的分布称做该统计量的抽样分布. 3)抽样分布在统计推断中的中心地位。 4)抽样分布取决于总体的分布（模型）以及抽样的方式。抽样方式总体分布=====? 抽样分布 2. 样本均值的抽样分布（简单随机样本） 如果总体服从, 那么简单随机样 本的均值 服从正态分布。或者是样本均值 的标准差，又专门 称它为标准误差。 如果总体不见得服从正态, 期望是?， 方差是 ?2+?，在样本容量n非常大的条件下 （n?30），那么简单随机样本的均值近似 服从正态分布（中心极限定理）， 或近似服从标准正态分布 。 一个例子 一种电器元件设计的服务寿命为3000小时，标准差为800小时。一名顾客买了49个元件。这49个元件的平均寿命至少为2750小时的概率为多大？至少为3000小时呢？ 3.样本比率的抽样分布（简单随机样本） 小样本情况，。x ：n个样本中特征发生的频数，它服从二 项式分布B(n,p)。取值范围 0,1,? n;期望 np,方 差np(1-p) 。:取值范围0,1/n,? ,1;期望p,方差/p(1-p)/n 。 仍然服从同样的二项分布。 大样本情况 []，按照中心 极限定理，近似地4.大样本的渐进分布和大样本分布 如果样本容量n非常大，则有简单随机样本的 均值近似服从正态分布；同样有样 本比率近似服从正态分布。 一个统计量当样本很大时近似服从某一常见分 布，称统计量以该分布为渐进分布，或称该分布 是这个统计量的大样本分布。 5.方差未知时样本均值的抽样分布 1)正态总体，?2未知，使用样本方差s2来替代?2，则样本均值满足： 2) n30时，可以用标准正态分布近似。 3) n≥120时，t (n-1)≈N(0,1),渐进分布。 4)正态分布和t分布的比较 5)精确分布或小样本分布 无论样本容量n是大是小 都成立，称为精确分布或小样本分布； 当n很大时，称为大样本分布或渐进分布 ； 小样本分布（精确分布）无论样本大小都成立，大样本分布