市场调查与预测一.pptVIP

* 在估计总体的方差时，使用的是离差平方和。只要n-1个数的离差平方和确定了，方差也就确定了；因为在均值确定后，如果知道了其中n-1个数的值，第n个数的值也就确定了。这里，均值就相当于一个限制条件，由于加了这个限制条件，估计总体方差的自由度为n-1。 其次，统计模型的自由度等于可自由取值的自变量的个数。如在回归方程中，如果共有p个参数需要估计，则其中包括了p-1个自变量（与截距对应的自变量是常量1）。因此该回归方程的自由度为p-1。 基本定理： 设 , 是来自正态总体 的样本， 则 1. 2. 与 相互独立； 4. 其中 为样本均值， 为样本方差，即 估计量的优良性准则 无偏性 假设总体分布的参数为 ,设 是 的一个估计，它是一个统计量。对于不同的样本 估计 取不同的值。如果 的均值等于未知参数 ，即 则称 为 的无偏估计。 无偏估计的意义是用估计量取估计未知参数，有时候偏高有时候偏低，但是平均来说它等于未知参数。 定理2： 设总体均值为 方差为 ， 为来自该总体的样本，则 1. 2. 这里 为样本方差，即样本均值与样 本方差分别为总体均值和总体方差的无偏估计。 均方误差准则： 用估计量 去估计 ，其误差为 ，它随样本 的值而定，也是随机的，即 是随机变量。我们对它求均值，为了防止求均值时正负误差相互抵消，我们先将其平方后再求均值，并将其称为均方误差，记为 这个量越小，表示估计量与被估计的参数间的误差就越小，因而也就越优。 正态总体的区间估计 在日常生活中，当我们估计一个未知量的时候，通常采用两种方法：一种方法是用一个数，也就是用实轴上的一个点去估计，我们称之为点估计。（矩估计和极大似然估计都是点估计）另一种方法是采用一个区间去估计未知量，例如某人身高在170cm到180cm之间；彭山县气温在15摄氏度到22摄氏度之间等。这类估计称为区间估计。 但是不难看出，区间估计的长度度量了该区间估计的精度。区间估计的长度愈长，它的精度也就愈低（比如估计某女生腰围正负8尺与2尺到2尺5，这个精度是明显不一样的）。由此可见，在区间估计中，精度（用区间估计的长度来度量）和可靠 度（用估计的区间包含未知量的概率来度量）是相互矛盾的。为什么？ 在实际问题中，我们总是在保证可靠度的条件下，尽可能的提高精度。 标准正态分布上的 分位点 设随机变量 ，对任意给的 ，称 满足条件 的点 为标准正态分布上的 分位点。 且有： 分布上的 分位点 对任意给的 ，称满足条件 的点 为 分布上的 分位点。 t分布上的 分位点 设 ， 对任意给的 ，称满足条件 的点 为 分布上的 分位点。 且有： F分布上的 分位点 设 对任意给的 ，称满足条件 的点 为 分布上的 分位点。 且有： 解答现实问题1：商业保险盈利问题 这是一个典型的区间估计的问题，现在是已经知道区间，考察的是保险公司最后收益落在该区间的概率问题。 我们可以假设： 其中i=1,2，… ，5000 于是 服从参数为p=0.005的两点分布， 是5000个被保险人种一年内发生重大人身事故的人数，保 险人种一年内发生重大人身事故的人数，保险公司一年内从此 项业务所得到的总收益为 假设检验