第五章 样本均值的区间估计.pptxVIP

样本均值的抽样分布抽样分布（概念要点）所有样本指标（如均值、比例、方差等）所形成的分布称为抽样分布是一种理论概率分布随机变量是 样本统计量样本均值, 样本比例等结果来自容量相同的所有可能样本 总体分布.3.2.101234样本均值的抽样分布（一个例子）【例】设一个总体，含有4个元素（个体），即总体单位数N=4。4 个个体分别为X1=1、X2=2、X3=3 、X4=4 。总体的均值、方差及分布如下均值和方差所有可能的n = 2 的样本（共16个）第一个观察值第二个观察值123411,11,21,31,422,12,22,32,433,13,23,33,444,14,24,34,4样本均值的抽样分布 （一个例子）? 现从总体中抽取n＝2的简单随机样本，在重复抽样条件下，共有42=16个样本。所有样本的结果如下表P ( x )16个样本的均值（x）x.3第一个观察值第二个观察值.2123411.01.52.02.5.121.52.02.53.0032.02.53.03.51.01.52.02.53.03.54.042.53.03.54.0样本均值的抽样分布样本均值的抽样分布 （一个例子）? 计算出各样本的均值，如下表。并给出样本均值的抽样分布所有样本均值的均值和方差式中：M为样本数目比较及结论：1. 样本均值的均值（数学期望）等于总体均值 2. 样本均值的方差等于总体方差的1/nx.3P ( x ).3.2.2.101.52.02.53.03.54.0样本均值的分布与总体分布的比较总体分布抽样分布 ? = 2.5 σ2 =1.25Xn = 4? =10n =16? = 50X抽样分布总体分布样本均值的抽样分布与中心极限定理当总体服从正态分布N ~ (μ,σ2 )时，来自该总体的所有容量为n的样本的均值?X也服从正态分布，?X 的数学期望为μ，方差为σ2/n。即?X～N(μ,σ2/n)X一个任意分布的总体当样本容量足够大时(n 30) ，样本均值的抽样分布逐渐趋于正态分布中心极限定理（图示）中心极限定理：设从均值为?，方差为? 2的一个任意总体中抽取容量为n的样本，当n充分大时，样本均值的抽样分布近似服从均值为μ、方差为σ2/n的正态分布样本方差的抽样分布样本方差的分布?设总体服从正态分布N ~ (μ,σ2 )， X1，X2，…，Xn为来自该正态总体的样本，则样本方差 s2 的分布为将?2(n – 1)称为自由度为(n-1)的卡方分布选择容量为n 的简单随机样本计算样本方差S2不同容量样本的抽样分布sn=1总体计算出所有的? 2值n=4计算卡方值?2 = (n-1)S2/σ2n=10 mn=20c2卡方 (c2) 分布 均值的标准差所有可能的样本均值的标准差，测度所有样本均值的离散程度小于总体标准差计算公式为T 统计量的分布标准正态分布t 分布t (df = 13)正态分布t (df = 5)ZXtt 分布与正态分布的比较不同自由度的t分布T 统计量的分布 ?设X1，X2，…，Xn是来自正态总体N~(μ,σ2 )的一个样本， 称为统计量,它服从自由度为(n-1)的t 分布第二节 参数估计基本方法一. 点估计二. 点估计的优良性准则三. 区间估计估 计 方 法矩估计法顺序统计量法最大似然法最小二乘法点 估 计区间估计参数估计的方法被估计的总体参数总体参数符号表示用于估计的样本统计量一个总体均值比例方差两个总体均值之差比例之差方差比点 估 计点估计1. 从总体中抽取一个样本，根据该样本的统计量对总体的未知参数作出一个数值点的估计例如: 用样本均值作为总体未知均值的估计值就是一个点估计2. 点估计没有给出估计值接近总体未知参数程度的信息3. 点估计的方法有矩估计法、顺序统计量法、最大似然法、最小二乘法等估计量1. 用于估计总体某一参数的随机变量如样本均值，样本比例、样本中位数等例如: 样本均值就是总体均值μ的一个估计量如果样本均值 ?x = 3 ，则 3 就是μ的估计值2. 理论基础是抽样分布P( X )无偏有偏ACX?估计量的优良性准则（无偏性）无偏性：估计量的数学期望等于被估计的总体数P(X )X均值的抽样分布B中位数的抽样分布A?估计量的优良性准则（有效性）有效性：一个方差较小的无偏估计量称为一个更 有效的估计量。如，与其他估计量相比，样本均值是一个更有效的估计量较大的样本容量P(X )XB较小的样本容量A?估计量的优良性准则（一致性）一致性：随着样本容量的增大，估计量越来越接近被估计的总体参数区间估计置信区间样本统计量 (点估计)置信下限置信上限区间估计1. 根据一个样本的观察值给出总体参数的估计范围给出总体参数落在这一区间的概率例如: 总体均值落在50~70之间，置信度为 9