本科“统计学”——第六章参数估计描述.pptVIP

第 八 章 参数估计 第一节 参数估计的一般问题 第二节 总体参数的区间估计 第三节 样本容量的确定 学习目标 估计量与估计值的概念 点估计与区间估计的区别 评价点估计量优良性的标准 总体参数的区间估计方法 样本容量的确定方法 参数估计的概念及其在统计方法中的地位 统计推断的基本思路 参数和统计量 参数 (parameter) 描述总体特征的概括性数字度量，是研究者想要了解的总体的某种特征值 所关心的参数主要有总体均值(?)、标准差(?)、总体比例(?)等 总体参数通常用希腊字母表示 统计量 (statistic) 用来描述样本特征的概括性数字度量，它是根据样本数据计算出来的一些量，是样本的函数 所关心的样本统计量有样本均值(?x)、样本标准差(s)、样本比例(p)等 样本统计量通常用小写英文字母表示 统计推断的过程 一、估计量与估计值 (estimator estimated value) 估计量：用于估计总体参数的随机变量 如样本均值，样本比率、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? 的估计值 二、点估计和区间估计 （一）点估计 (point estimate) 用样本的估计量直接作为总体参数的估计值 例如：用样本均值直接作为总体均值的估计 例如：用两个样本均值之差直接作为总体均值之差的估计 没有给出估计值与总体参数真实值的接近程度信息 样本统计量与总体参数的对应关系 点估计的优缺点 优点： 点估计直观、自然，估计结果是一个具体的值，在依据估计值制定计划和行动方案时，可以减少许多麻烦； 缺点： 没有给出估计值与总体参数真实值的接近程度信息。 由于随机因素的作用，样本统计量恰与总体参数相符是偶然的，而差异则是大量存在、甚至是必然的。 因此，有效的统计估计一般要求不仅要给出估计的具体结果，而且还要说明估计结果的精度及其可靠程度——区间估计的提出。 （二）点估计量的评价标准 无偏性 有效性 一致性 1. 无偏性 (unbiasedness) 无偏性：样本统计量的数学期望等于被估计的总体参数的值，则称该样本统计量是相应总体参数的无偏估计量。 2. 有效性 (efficiency) 3. 一致性 (consistency) 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，则称该点估计是一致的。 （三）区间估计 (interval estimate) 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% 区间估计的基本思想 由样本的抽样分布可知，在重复抽样或无限总体抽样的情况下，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，即： 由此可知：样本均值落在总体均值的两侧各为一个抽样标准差范围内的概率为0.6827, 落在两个标准差范围内的概率为0.9545，落在三个标准差范围内的概率为0.9973等等。 实际上，我们可以求出样本均值落在总体均值两侧任何一个抽样标准差范围内的概率。 但实际估计时，情况恰好相反。样本均值已知而总体均值未知。 区间估计的基本思想（续） 由于样本均值与总体均值的距离是对称的，如果某个样本均值落在总体均值的两个标准差以内，反过来，总体均值也被包括在以样本均值为中心的两个标准差的范围之内。 因此，说95%的样本均值会落在总体均值的两个标准差的范围之内，也就等于说，约有95%的样本均值所构造的两个标准差的区间会包括总体均值。 通俗地说，如果我们抽取100个样本来估计总体均值，由100个样本所构造的100区间中，约有95个区间包含总体均值，而另外5个区间则不包含总体均值。 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。 区间估计的基本思想（续） 但在实际问题中，我们往往只抽取一个样本，所构造的是与该样本相联系的95%的置信区间。 由于该样本所构造的区间是一个特定的区间，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。 所以，我们只能希望这个区间是大量包含总体参数真值区间中的一个，但本质上说，它也可能是少数几个不包含参数真值的区间中的一个。 区间估计的基本思想（续） 之所以这样来表述置信区间，原因是： 总体参数的真值是固定的、未知的； 样本构造的区间虽然可求，但却是不固定的，即，抽取不同的样本时，用该方法可以等到不同的区间； 从这个意义上，置信区间是一个随机区间，它会因样本的不同而不同，而且不是所有的区间都包含总体参数的真