第七章统计抽样.ppt

2）有效性： 优良的估计量还应该有尽可能小的方差 可以证明，样本 符合有效性要求。 正态总体样本中位数方差近似为： 它要比平均数的方差大。 3）一致性： 样本指标与总体指标的绝对离差小于任意小的正数?的极限概率等于1。 即样板本容量充分大的时，样本指标非常接近于总体指标几乎是必然事件。 可以证明，样本平均数 和样本成数 是总体平均数和总体成数P一致估计量。 五、假设检验 例如：根据过去的测试,某种电子元件的使用寿命服从N（?0，?2），经过技术改进后，随机抽取容量为n的样本进行测试，得到平均寿命x。 根据以上资料，可进行两类推断， a、对技术改进后的平均使用寿命?进行推断。（区间估计） b、如果问改进后的平均使用寿命?与改进前?0是否有明显差别。则可在给定显著水平?时对总体参数进行假设检验。 建立假设: 原假设H0=没有显著差异即?0 = ? 备择假设H1=有显著差异即?0 = ? 构造其Z统计量： 当且仅当： 时接受H0。 若 ，则应拒绝H0 。 区间估计中的置信区间，就是假设检验中的接受域，置信区间之外对应的是拒绝域。 概率与概率度之间满足函数关系：P=F（t ） 正态分布曲线由正态概率密度函数给出： 当?=0，?=1时，正态分布称为标准正态分布，N（0，1）。 x x+3? x-3? x+2? x+? x-? x-2? 68.27% 95.45% 99.73% 频率 总体平均数区间估计的步骤 1）确定概率保证和概率度t。 2）抽取一个样本容量为n的样本。 3）计算样本平均数和标准差。在有限总体不重复抽样时，标准差修正为： 4）构造置信区间： 也就是说： 如果从正态总体抽取一个容量为n的简单随机样本，并构造区间： 我们有F（t) 的把握说，这个区间包含总体平均数X。 说明： 1）对于样本取自总体方差已知的非正态分布，当样本容量足够大时，仍然用上述区间作为总体平均数的置信区间。 2）当总体方差?2未知时，用样本方差s2代替。 例题： 某工业企业报告期生产某种橡胶轮胎10000个，从中抽取0．5%进行耐磨性能检验，结果得到样本的平均磨损量为5775毫克，平均磨损量的样本方差为50000，根据有关规定，在规定时间内的磨损量低于6000毫克为正品。试以95%的概率保证估计全部产品的平均磨损率。 已知 五、必要抽样单位数的确定 确定原则：保证预期精确程度和可靠程度，确定恰当的必要样本数目。 依据： 1、可靠程度和精确程度。 2、总体标志变异程度。 3、抽样组织方法。 抽样单位数的确定 1、简单随机抽样 2、类型抽样 3、整群抽样 例：某车间加工螺杆10000件，为确定其直径是否合格，决定从中抽取部分进行测量。为使直径的测量误差不超过0.1ｍｍ（可靠度取99%），按过去经验生产该螺杆的标准差为0.8ｍｍ，问至少应抽取多少件测量才可满足上述要求？ 解：这里已知N=10000件， =0.1ｍｍ，s=0.8ｍｍ． F（t)=0.99，查正态概率表可得t=2.58。 按重复抽样计算时 同时，以前加工螺杆的合格品率为98%，今要检验该批螺杆的合格率，为使合格率的测量误差不超过1%（可靠度95%），问抽取多少件检验才能满足要求？ F(t)=0.95， t=1.96 , =0.01，p=0.98，， 按重复抽样计算时 六、假设检验 假设检验：根据一定的随机样本信息，判断总体未知参数作出的假设是否可信 的统计分析方法。 基本思想：为了判断总体的某个特征，先对总体特征作出一定的假设，在从总体中抽取一定容量的样本，计算和分析样本数居，对原假设作出接受或拒绝的决策。 假设检验决策结果 决策 假设 真实 不真实 不否定 正确 犯第二类错误 （取伪错误） 否定 犯第一类错误 （弃真错误） 正确 假设检验的步骤 第一步：建立假设。 要求：原假设必须包含等号在内，备择假设可在不等、大于、小于三者任选。 检验结果只有两种可能：接受原假设就必须拒绝备择假设；拒绝原假设，就必须接受备择假设（发生错误的概率 ? ）。 第二步：选择显著水平? 。 第三步：寻找检验H0的统计量，确定其分布，计算统计量。 第四步：用检验统计量值与临界值比较，若统计量值落在否定域内，说明原假设与样本描述的情况有显著差异，则拒绝原假设，（犯错误的概率为? ）；如果统计量落在接受域，则接受原假设。 第五步：做出决策。 正态总体参数的检验 （一）、方差已知时，对一个正态总体均值的检验。 (1) 检验统计量为 1-α 接受域 拒绝域 拒绝域 总体均值