05__参数估计基础讲解.pptVIP

  1. 1、本文档共71页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第五章 参数估计基础 Estimation of parameter 生活中的墨菲法则 失落从小时候就开始了:春游那天必定下雨;超市结算,走得快的永远是你没挑选的那支队伍;早餐吐司不小心掉到了地上,永远是抹了黄油果酱的那一面朝下,把刚刚擦过的地板搞得一塌糊涂———“糟糕!怎么总是这么糟糕!”我们不断地抱怨。   这些生活经历,都涉及了墨菲法则:如果事情既可以向好的方向发展,又可以向坏的方向发展的话,那么它多半会向坏的方向发展。   在很长一段时间里,科学家们对墨菲法则没有予以足够的重视,他们仅仅把这当作一个玩笑,而反驳墨菲法则最有力的武器便是“选择记忆”。 991年,英国BBC电视台一个非常有名的科学探索节目《QED》,为了扳倒有关“黄油吐司”的墨菲法则,特意组织了一次向上掷黄油吐司的实验。在掷了300次之后,发现抹黄油一面落地的有152次,黄油那面朝天的有148次。他们因此欢呼:在概率上基本没有差别。墨菲法则被归咎为我们的错觉。   事情真是这样的吗?生活中,掉到地上的吐司,并不是向上掷出的结果,而是从我们手中或餐桌上滑落的。而抹了黄油的吐司,到底哪一面落地,是由它在空中旋转的情况决定的。英国阿斯顿学院情报工程学专业的访问学者罗伯特?麦特维斯教授通过计算证明,从一般餐桌或者人手的高度滑落的吐司所受到的重力作用,还不足以使其旋转整整一圈。大部分吐司只旋转了半圈就掉到地上了,当然是抹了黄油的一面着地!  至于“超市最快的那条结算队伍永远不是自己排的那条”这个问题,物理学家为我们作了如下分析:如果一个超市有12个收银台,并且假设他们的结算速度相当,由于大家都会选择相对短的队伍排队,那么实际上,所有队伍的长短是差不多的。当然,每支队伍都可能发生意外:发生争执,或某位顾客买了过多的东西。这样算下来,自己所排的队伍前进得最快概率是多少呢———1/12。换言之,别的队伍行进得快的概率是11/12。倘若不是撞了大运,那么不管你选择了哪条队伍,结果都是眼睁睁看着别人先结算罢了。 墨菲法则,对我们有什么现实意义呢? 我们必须明白,这不是运气好坏的问题,更多的可能,是我们所期待的东西,对这个世界来说不太合理。 参数估计的定义 根据样本的统计量估计总体参数的过程,称为参数估计。 Ann landers:“如果可以重新选择,你还要孩子吗?” 结果:近1万份读者来信:70%的父母后悔! Newsday:开展了全美范围专业调查 结果:1373对随机样本,91%的父母无怨无悔! 案例: Ann landers: 自发性回应的便利样本,高度偏差。 Newsday: 简单随机样本(simple random sample ) 统计推断中,关心的不是统计量本身,而是随机化的实现、样本的代表性和统计推断技术。 Contents 样本均数的抽样分布特点 1、样本均数恰好等于总体均数及其罕见; 2、样本均数之间存在差异; 3、样本均数围绕总体均数,中间多、两边少,左右基本对称,呈近似正态分布; 4、样本均数之间的变异明显小于原始变量值之间的变异。 一、抽样误差的概念 由于抽样造成的样本统计量与总体参数的差异及样本统计量之间的差异称为抽样误差。 对于抽样研究, 抽样误差不可避免,但有规律可循。 均数的标准误 均数的标准误(standard error of mean,SEM或SE) : 样本均数的标准差,通称为均数的标准误。 符号: 计算: 意义:反映均数抽样误差大小; 它反映了样本均数之间的离散程度。 (区别于标准差) 1、均数标准误的大小与原变量的标准差成正比; 说明当总体中观测值变异较小时,抽到的样本均数与总体均数可能相差较小,估计总体均数可靠程度高。 标准差与均数标准误的区别 第二节 t 分布 t 分布的由来 英国统计学家W.S.Gosset于1908年以“Student”笔名发表论文,证明在正态总体中抽样, 服 从自由度? = n?1的t分布,即 ~ t 分布, ? =n?1 又称Student t分布(Student’s t-distribution)。 t分布是总体均数的区间估计和假设检验的理论基础。 t 分布图形不是一条曲线,而是一簇曲线。 t 分布只有一个参数,即? t 分布图形的特征 单峰分布,以0为中心,左右对称 ?越小,t值越分散,曲线越低平,尾部越高,两侧越分散; 随着? 逐渐增大,t分布逐渐逼近标

文档评论(0)

shuwkb + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档