6-+第四章++总体均数的估计与假设检验范例.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * 即使如此，由于个体差异的存在，从总体中随机抽取若干个体组成的样本的统计指标也不一定恰好等于总体参数。 * * * * 该式反映了标准误 的大小与标准差?呈正比，与样本量的平方根呈反比。因此，在抽样研究中，可适当增加样本含量，控制和减小抽样误差。 * * * * * * * * * * * * * * * * * * * * * * 用更一般的表示法为 单侧：P(t≤-tα,ν)=α，或P(t≥tα,ν)=α 双侧：P(t≤-tα/2,ν)+P(t≥tα/2,ν)=α 反之 P(-tα/2,νttα/2,ν)=1-α 参数估计是通过样本指标（统计量）来估计总体指标（参数）。它包括两种方法： 点（值）估计（point estimation）：即把样本统计量直接作为总体参数的估计值，如用样本均数来估计总体均数。这种方法虽然很简单，但是未涉及随机误差，而随机误差在抽样研究中是不可忽视的。 区间估计（interval estimation）即按一定的概率估计总体均数在哪个范围，它把抽样误差引入估计量，确定具有特定概率意义的区间（可信区间）。 从总体中作随机抽样，每个样本可以算出一个可信区间，如95%可信区间，意味着100次抽样，算得100个可信区间，平均有95个可信区间包括总体均数（估计正确），只有5个可信区间不包括总体均数（估计错误）。 5%是小概率事件，实际发生的可能性小，在实际应用中就认为总体均数在算得的可信区间内, 这种估计方法会冒5%犯错误的风险。 可信限（Confidence Limit，CL）分别指两个点值。 可信区间（Confidence Interval，CI）是以上、下可信限为界的一个范围。 如可信区间(5.31,5.45)?1012/L的下限是5.31?1012/L，上限是5.45?1012/L 。 设有一正态总体N（μ,?2），现从中随机抽取一个样本，该样本的均数和标准差分别用 和s表示，样本均数的标准t离差服从t分布，则可信度为（1- ? ）的t值满足： P(-tα/2,ν t tα/2,ν)=1-? ， 将 代入不等式，即： 于是得可信度为1-? 时，计算总体均数可信区间的通式： 习惯上，常取1-? =0.95， 即95%可信区间；或取1-? =0.99， 即99%可信区间。 ?未知时，一般用t分布的原理作区间估计。 ?已知 ?未知，但n足够大（如n100） 例：对某人群随机抽取20人，用某批号的结核菌素作皮试，平均浸润直径为10.9mm，标准差为3.86mm。问这批结核菌素在该人群中使用时，求平均浸润直径的95%可信区间？t0.05/2,19=2.093 所以该人群皮试的平均浸润直径的95%可信区间为9.1~12.7mm 。 由某地成年男子中抽得144人的样本，求得红细胞数的均数为5.38?1012/ L, 标准差为0.44?1012/ L, 试估计该地成年男子红细胞均数的95%可信区间。 该地成年男子红细胞均数的95%可信区间为(5.31,5.45)?1012/L。 从两个正态总体N（μ1,?2）和N（μ2,?2）中随机抽样，样本含量分别为n1，n2，样本均数和标准差分别为 和S1， 和S2，根据定理， ～t（ n1+n2-2） 则两总体均数之差的1-α可信区间为： 大样本时两总体均数之差的95%可信区间为： 某地抽查了部分健康成年人的红细胞数结果如下表，试估计该地健康成年男女红细胞数的95%可信区间，男、女红细胞数差值的95%可信区间。 性别 例数 mean S 男 360 4.66 0.57 女 255 4.18 0.29 男性红细胞数95%的可信区间为： 女性红细胞数95%的可信区间为： 男、女性红细胞数差值95%的可信区间为： 准确度，反映在可信度1-?的大小，即区间包含总体均数的概率的大小，当然愈接近1愈好； 精度，反映在区间的长度，当然长度愈小愈好。 在样本例数确定的情况下，二者是矛盾的。一般情况下，在可信度确定的情况下，增加样本例数，可减少区间长度，提高精度。 假设检验也叫显著性检验，是以小概率反证