信赖区间.pptVIP

母體比例的區間估計 大樣本母體比例的信賴區間 常用公式 樣本數的選擇 估計母體平均數時 估計誤差不超過d值 估計母體平均數時的樣本數 估計母體平均數時的樣本數(母體變異數未知) 樣本數的選擇 估計母體比例時 估計母體比例時的樣本數 估計母體比例時的樣本數(保守估計) 統計估計 統計估計 利用樣本統計量去推估母體參數的方法。 點估計 由母體抽取一組樣本數為 n 的隨機樣本，並以由此得到的樣本統計量做為母體參數的估計值 點估計的步驟 抽取具代表性的樣本 選擇一個較佳的樣本統計量做為估計式 計算樣本統計量的值 以樣本統計量的值推論母體參數值並做決策 點估計的範例 台北市區房屋的價格 點估計的問題 樣本得到的價格935.278，怎麼知道台北市區房屋的價格是935.278；而不是1000呢？ 換另外的樣本會不會不一樣？ 抽樣分配 對一個母體以相同之樣本數重複進行抽樣，將其視為隨機變數而得到抽樣分配。 自一大小為 N 的母體抽出一組隨機樣本， X1, X2, X3, … Xn 則樣本平均數 本身亦為隨機變數， 有其機率分配。 抽樣分配是由所有可能之樣本所得到的結果組成的，可透過分配之特性推估母體。 抽樣分配 抽樣 1 抽樣 2 抽樣 n 常態分配的加法定理 若母體為常態分配，則 為一常態分配，即若 ，則 中央極限定理 無論母體為何種分配（常態或非常態），其平均數為 μ，變異數為 σ2（ σ2 ∞），自母體簡單隨機抽取 n 個元素為一組樣本，若樣本數 n 夠大（一般認為 n ≧30），則樣本平均數的抽樣分配會趨近於常態分配，即： 中央極限定理 區間估計 區間估計 對未知的母體參數估計出一個上下限的區間，並指出該區間包含母體參數的可靠度。 信賴區間 在一個既定的信賴水準下所構成的一個區間。 是由樣本統計量及抽樣誤差所構成的一個(包含上限，下限的)區間。 信賴水準(信賴係數) 指信賴區間包含母體參數的信心(或稱可靠度，信賴度)。 區間估計 母體平均數的區間估計—大樣本 大樣本母體變異數已知，母體平均數的信賴區間信賴水準1-α下，以 估計μ所得的信賴區間為： 稱為信賴區間下限 稱為信賴區間上限。 大樣本母體變異數未知，母體平均數的信賴區間 區間估計的步驟 選擇較佳的點估計式並計算點估計值 取得樣本統計量的抽樣分配 導出母體參數的信賴區間 求出母體參數的信賴區間值並做統計推論 母體平均數的區間估計—大樣本 抽樣誤差小於等於1.96x 的區間 母體平均數的區間估計—大樣本 95%信賴水準 是指隨機抽取一組樣本所得的區間包含母體平均數的機率（或稱可靠度、信賴度）為0.95。 或說區間不包含母體平均數的機率為0.05。 不同信賴水準下母體平均數的信賴區間 信賴水準 α α/2 Zα/2 信賴區間 0.90 0.10 0.050 1.645 0.95 0.05 0.025 1.960 0.99 0.01 0.005 2.575 母體平均數的區間估計—大樣本 信賴區間長度的決定因素 標準差的大小 若標準差愈大，則區間長度愈大；標準差愈小，則區間長度愈小。 Z值的大小 Z值會受信賴水準的影響，信賴水準越大，信賴區間長度越長。 樣本數n的大小 的標準差為 ，當n愈大時，標準差愈小，則區間長度也就愈小。 但樣本數增大時，會使抽樣成本增加。 母體平均數的區間估計—小樣本 小樣本常態母體變異數未知，母體平均數的信賴區間 為自由度 n-1 的 t 分配。 t 分配 自常態母體 隨機抽取樣本 ( )，則統計量 為自由度 n-1 的 t 分配。 t 分配是一個理論上的機率分配，他是對稱的並且為一個鐘型分配（bell-shaped），並且相似於常態分配的曲線；不同的是他是依著自由度來改變分配的形狀。 t 分配的性質 t 分配為一個以平均數0為中心的對稱分配，不同的自由度 v 有不同的 t 分配。 t 分配不與橫軸相交。 分配曲線下的總面積等於1。 t 分配曲線比標準常態曲線為平坦，亦即 t 分配曲線的高度較低，分散程度較大。 t 分配的性質 t 分配與標準常態分配 t 分配的性質 t 分配 平均數 變異數 自由度趨近於無窮大時( )，t 分配趨近於標準常態分配，即 。一般若 ，則以標準常態分配代替 t 分配。 t 值表（部份） 抽樣分配的型態 母體 常態分配 非常態分配 大樣本 (n≧ 30) 小樣本 (n 30) 大樣本 (n≧ 30) 小樣本 (n 30) 中央極限定理= 中央極限定理= 母體σ 已知= 母體σ 未知= 常