Chapter 6 Introduction to Inference推论简介.pptVIP

Chapter 6 Introduction to Inference推論簡介 Chapter 6 Introduction to Inference 6.1 Estimating with Confidence 6.2 Tests of Significance 6.3 Making Sense of Statistical Significance 6.4 Error Probabilities and Power 統計推論 根據樣本資料，提出特定方法描述母體，稱為統計推論(Statistical Inference)。 常見的統計推論： 信賴區間(confidence intervals)：對母體參數的估計。 顯著性檢定(tests of significance) ：對母體參數所能提供之證據的宣告。 統計推論是在資料為隨機樣本或是來自隨機實驗的假設前提下提出的。 Section 6.1 Estimating with Confidence具信賴度的估計 例題6.1 NAEP調查研究 National Assessment of Educational Progress (全國性教育進展評量，簡記為NAEP)調查包括一份簡短測驗，內容有數量技能，涵括基礎算術及應用到實際問題的能力。測驗分數0 ~ 500分。 233分以上的人會加總兩張存款條上金額 325分以上的人會判別菜單上一份餐的金額 375分以上的人會將每盎司(ounce)幾分(cents) 轉換成每磅 (pound)幾元 (dollars) 樣本資料 一份含840個樣本，由全體 21~25 歲男性中隨機抽出。這 840 個男性的 NAEP (樣本)平均成績為 。 這樣的結果，可以對全體九千五百萬個21~25歲男性的平均成績 m 做什麼推論？ 大數法則推論 根據大數法則，隨機大樣本之樣本均數 會很接近母體均數 m。 因此用樣本平均成績 來估計全體平均成績 m。 即全體九千五百萬個21~25歲男性的平均成績 m 大約是 272。 樣本平均數的變異 取很多份樣本數為 840 的隨機樣本，則樣本平均成績 的變異如何？ 根據中央極限定理，隨機大樣本之樣本平均數分配近似常態。 此近似常態的平均數與原母體平均數相同m。 近似常態的變異數為原母體變異數s2的840分之一，即樣本平均數的變異數為s2/840。 假設原標準差s 為60，則近似常態的標準差為 。 樣本平均數的分配 取很多組樣本數為 840 的隨機樣本，樣本平均成績分別為 = 272, =268, = 273, etc.其直方圖可呈現樣本均數的分配。 樣本平均數的分配圖形 統計信賴度(Statistical Confidence) 根據常態68-95-99.7規則，95%樣本組的樣本均數 會落在母體均數 m 的兩個標準差之間。即 95% 的 落在 。 95% 的樣本組，根據樣本平均數計算出的區間 會包括母體平均數 m 。 樣本平均數的信賴區間(Confidence Interval) 取很多組樣本數為 840 的隨機樣本，根據樣本均數 及公式 計算出這些區間中，有95% 會包括母體均數m。 95%信賴區間圖示 信賴區間之一般型式(form) 未知參數的信賴水準 (confidence level) C 之信賴區間，或稱為100C % 信賴區間，為： 區間型式為 估計量 ± 誤差域 (estimate ± margin of error) 在重覆取樣下，估計區間(視為隨機區間)會包括未知參數的機率，即為信賴水準 C 。 單組樣本 z 統計量 常態母體均數為 m 標準差為 s，則樣本平均數 服從 。 標準化之統計量 服從標準常態，稱為單組樣本 z 統計量。 常態母體平均數 m 之信賴區間 常態母體均數 m 之100C % 信賴區間的求法： 標示出常態曲線下中央面積為 C 的區域， 邊界值稱為臨界值(critical value)，記為 z* 。 即 z 介於 ± z* 之間的機率為 C 。 例題6.3 80% 之信賴區間圖示 常態母體平均數 m 之信賴區間 常態母體平均數 m 之80 % 信賴區間： 常態平均數 m 之信賴區間圖示 母體平均數 m 之信賴區間 母體平均數 m 未知標準差 s 已知，抽出一組樣本數為 n 之隨機樣本，則 m 之100C % 信賴區間為(z*可由表 C 查得)