statisticsch03.pptVIP

Ch05 點估計與抽樣分配 授課老師 薛欣達 學習目標 估計母體參數的樣本統計量 應用中央極限定理 根據估計式的需求性質判斷估計式的好壞 應用自由度的概念 利用樣板計算抽樣分配與相關的結果 歷史故事 母體參數 討論母體時，平均與標準差被稱為參數，記做 μ及σ。 母體的數值測度被稱為母體參數 (population parameter)。 估計母體參數的樣本統計量 樣本統計量 (sample statistic)：指樣本的數值測度，簡稱統計量。 某種母體參數的估計式 (estimator) 是估計該參數的樣本統計量。利用樣本得到估計式的某特定數值是被估計母體參數的一項估計，稱為母體參數的點估計 (point estimate)。 母體比例 vs. 樣本比例 母體比例(population proportion) p等於母體內某一類元素的總數除以母體的元素個數。 樣本比例(sample proportion)是 其中x是樣本內某一類元素的總數，而n是樣本數。 母體分配，一組從母體選出的隨機樣本以及它們個別的平均 如何由母體隨機挑選樣本 需要一份所有母體元素的名單 (底冊)。 藉由隨機產生的數字，這份底冊讓我們決定樣本應該包含名單中的哪些元素。 分層抽樣方法 分層抽樣把母體分成二個或二個以上稱為「層」(strata)的子母體，並且隨機從每一個子母體挑選一些樣本。 每一層從某種與抽樣實驗有關的角度來看都必須是不同的。 分層抽樣方法 例子：某間大學的學生或許有 54% 的女學生及 46% 的男學生。因為男女生或許在某一次調查中有著非常不一樣的意見。故，隨機樣本中有必要包含適當比例的男女生。 分層抽樣方法(續) 如果樣本總數剛好等於 100，則一種代表性的樣本應該包含 54 個女學生及 46 個男學生。 其他抽樣方法 分群抽樣 (cluster sampling) 一階段分群抽樣 (single-stage cluster sampling) 二階段分群抽樣 (two-stage cluster sampling) 多階段分群抽樣 (multistage cluster sampling) 系統抽樣 (systematic sampling) 抽樣分配 固定母體並且固定樣本數的條件下，統計量的抽樣分配 (sampling distribution) 是該統計量所有可能值的機率分配。 樣本數固定在 n ，而且每一個樣本元素都來自某個固定的母體， 的抽樣分配是隨機變數 所有可能值的機率分配。 中央極限定理 從一個平均μ與標準差σ的母體抽樣。如果樣本數持續增加，樣本平均的抽樣分配會接近一個有著平均等於μ跟標準差等於 的常態分配。 對夠大的樣本數n 常態分配母體不同樣本數之樣本平均的抽樣分配 當樣本數遞增下的抽樣分配 中央極限定理 中央極限定理說明樣本平均 的抽樣分配會接近常態分配，無論樣本來自的母體是何種分配。 此定理讓我們有能力產生樣本平均可能存在區域的機率陳述，同時計算 與它所估計的母體平均離多遠的機率。 中央極限定理的效果：各種不同母體與各種不同樣本數之 的分配 中央極限定理的三個面向 如果樣本數夠大， 的抽樣分配是常態的。 的期望值等於μ。 的標準差等於 。 點估計的統計性質 如果一個估計式被稱為不偏的 (unbiased)，表示該估計式的期望值等於它希望估計的母體參數。 偏差 (bias)：估計式與希望估計的參數間，任何系統性的離異 (大部分大於希望估計的參數或是大部分小於希望估計的參數)。 自由度 如果你必須選擇 n 個數字，並且加諸一種關於它們總和的條件，則你的自由度為 n－1。 例如：你被要求自由地選擇 10 個數字，但是這 10 個數字總和必須等於 100，你的自由度有 9 個。 二維陣列的自由度 假設你被要求選擇自己喜歡的數字填滿一種三列四行的數字矩陣。你有 3 × 4 ＝ 12 個自由度。 r 列與 c 行：(r－1)(c－1)個自由度 * 民主黨 共和黨 有電話且(或)有汽車且 (或)為該雜誌讀者的人 偏差 樣本 母體 樣本從整個母體 隨機選出 好的抽樣過程 母體 樣本 X X X X X X X X X X X X X X X X X X 母體平均 (?) 樣本點 母體的頻率分配 樣本平均 ( ) X 常態母體 0 . 4 0 . 3 0 . 2 0 . 1 0 . 0 f ( X ) μ? 抽樣分配: n = 2 抽樣分配: n =16 抽樣分配: n = 4 X n = 5 X n = 20 X - ? Large n 0.00 0.05 0.10 0.15 0.20 0.25 0.00 0.10 0.20 P(