数理统计报告.doc

数理统计浅谈 前言 数理统计学是统计学的数学基础，从数学的角度去研究统计学，为各种应用统计学提 供理论支持。它研究怎样有效地收集、整理和分析带有随机性的数据，以对所考察的问题做 出推断或预测， 直至为采取一定的决策和行动提供依据和建议的数学分支。 概率论作为一门 研究随机现象统计规律的数学学科，已在包括控制，通讯，生物，力学，金融，社会科学以 及其他工程技术等领域得到了广泛的应用。 数理统计是以概率论为基础，根据实验或观察到的数据，研究如何利用有效的方法对这些已知的数据进行整理分析和推断，从而对研究对象的性质和统计规律做出合理和科学的估计和判断。在自然科学军事科学、工农业生产、医疗卫生等领域，哪一个门类都离不开数理统计。数理统计学内容庞杂，分支学科很多，难于做出一个周密而无懈可击的分类。大体上可以划分为如下几类：（1）特定的统计推断形式，如参数估计和假设检验。 （2）特定的统计观点，如贝叶斯统计与统计决策理论。 （3）特定的理论模型或样本结构，如非参数统计、多元统计分析、回归分析、相关分析、 序贯分析， 时间序列分析和随机过程统计。  参数估计是指总体分布已知，其中全部或部分参数未知的情景下，利用样本信息对这些未知参数进行的统计推断。涉及：（1）估计形式：点估计、区间估计 点估计的方法、依据、算法、使用对象和评价。（3）新问题：经典统计所称的估计指未知参数；现代统计所称的估计指分布参数。经典估计关于区间估计基本建立在正态分布场合。 研究对象——总体未知参数 优化特征——从无穷中取一优 思维次序——未知信息→不做选择→抽样→估计量→推断 估计量——设（Z1、Z2……Zn）为Z~F（x,?）的样本，若有=（Z1、Z2……Zn）实现了对的估计，称为一个估计量 矩估计——利用样本的原点矩估计响应的总体原点矩，达到对未知参数进行估计的方法的过程称之为矩估计 矩估计的依据——大数定律：一定条件下，样本矩依据半收敛到总体相应矩 2.1 基本算法 直接法 就是总体某阶矩，可直接估计。 利用直接法的条件：已知 等于总体某阶矩 例：（Z1、Z2……Zn）为 Z~（0，1） P=EZ 反解法 第一步：建立矩方程（组），通过求原点矩、中心距实现 第二部：反解方程（组），反解成功，如果反解不成功，则有两种情况，一种是有显式解，二种是无显示解 2.2 极大似然估计 选择参数θ,使已知数据Y在某种意义下最可能出现。某种意义是指似然函数P(Y│θ)最大,这里P(Y│θ)是数据Y的概率分布函数。与最小二乘法不同的是，极大似然法需要已知这个概率分布函数P(Y│θ)。在实践中这是困难的，一般可假设P（Y│θ）是正态分布函数，这时极大似然估计与最小二乘估计相同。 2.3 最小二乘估计 为了选出使得模型输出与系统输出yt尽可能接近的参数估计值，可用模型与系统输出的误差的平方和来度量接近程度。使误差平方和最小的参数值即为所求的估计值。 2.4 区间估计 区间估计是依据抽取的样本，根据一定的正确度与精确度的要求，构造出适当的区间，作为总体分布的未知参数或参数的函数的真值所在范围的估计。例如人们常说的有百分之多少的把握保证某值在某个范围内，即是区间估计的最简单的应用。求置信区间常用的三种方法：①利用已知的抽样分布。②利用区间估计与假设检验的联系。③利用大样本理论。 假设检验 抽样分布、参数估计、假设检验为估计推断的主要内容。 研究对象——总体未知参数 未知总体分布信息 优化特征——两者择一 思维次序——未知信息→统计假设→抽样→检验统计量→推断 3.1 统计思想 假设检验的基本思想是小概率反证法思想。小概率思想是指小概率事件（P0.01或P0.05）在一次试验中基本上不会发生。反证法思想是先提出假设(检验假设H0)，再用适当的统计方法确定假设成立的可能性大小，如可能性小,则认为假设不成立，若可能性大，则还不能认为假设成立 3.2 基本步骤 1、提出检验假设（又称无效假设，符号是H0））和备择假设（符号是H1）。 　　H0：样本与总体或样本与样本间的差异是由抽样误差引起的； 　　H1：样本与总体或样本与样本间存在本质差异； 　　预先设定的检验水准为0.05；当检验假设为真，但被错误地拒绝的概率，记作α，通常取α=0.05或α=0.01。 　 2、选定统计方法，由样本观察值按相应的公式计算出统计量的大小，如X2值、t值等。根据资料的类型和特点，可分别选用Z检验，T检验，秩和检验和卡方检验等。 　　 3、根据统计量的大小及其分布确定检验假设成立的可能性P的大小并判断结果。若Pα，结论为按α所取水准不显著