总体均数的估计—研.ppt

第三章 总体均数的估计 ;概念回顾： 总体： 样本： 统计量： 参数： 统计分析：统计描述 统计推断：参数估计、假设检验; 欲了解某地2007年正常成年男性血清总胆固醇的平均水平，随机抽取该地200名正常成年男性作为样本。 由于存在个体差异，抽得的样本均数不太可能恰好等于总体均数。 ; 第一节 均数的抽样误差与标准误 一、抽样研究 用样本信息推断总体特征的研究方法称为抽样研究。;统计推断：用样本信息推论总体特征的过程。 包括： 参数估计: 运用统计学原理，用样本统计量对总体参数进行估计。 假设检验：是指由样本间存在的差别对样本所代表的总体间是否存在着差别做出判断。 方法：均数的参数估计、均数u 检验 、均数t 检验…;二、均数的抽样误差;例3-1：若某市1999年18岁男生身高服从均数为167.7cm，标???差为5.3cm的正态分布。从该正态分布N(167.7, 5.32)cm总体中随机抽样100次即共抽取样本g=100个，，每次样本含量nj=10人，得到每个样本均数?Xj及标准差Sj如图3-1和表3-1所示。 ;样本均数的分布;正态总体中样本均数抽样分布具有如下特点： ①各样本均数未必等于总体均数； ②各样本均数间存在差异； ③样本均数围绕总体均数呈正态分布； ④样本均数变异范围较原变量变异范围大大缩小。 在非正态分布总体中可进行类似抽样。; 的平均数＝0.9903 的标准差＝0.4891 的中位数＝0.9087 ; 根据数理统计推理和中心极限定理可得到如下结论： 若 服从正态分布? 则 服从正态分布 若 不服从正态分布? n大：则 近似服从正态分布 n小：则 为非正态分布;1、从正态总体N(?，?2)中，随机抽取例数为n的样本，样本均数?X也服从正态分布；即使从偏态总体抽样，当n足够大时?X也近似正态分布。 2、从N(?，?2)的正态总体中抽取例数为n的样本，样本均数?X的总体均数也为?，标准差为??X ;标准误(standard error, SE) ：样本统计量的标准差 样本均数的标准差称为均数的标准误(standard error of mean, SEM) 计算：;标准误;标准误;若某一随机变量X服从总体均数为?、总体标准差为? 的正态分布N(?,?2);对正态变量样本均数?X做正态变换（u变换）：;自由度：随机变量能自由取值的个数 υ=n-m t分布最早由英国统计学家W.S. Gosset 于1908年以“Student”笔名发表，故又称Students t-distribution。 ;二、t分布的图形与特征 t 分布的曲线：与υ有关;t分布的图形与特征 1、单峰分布，以0为中心，左右对称 2、?越小，t值越分散，t分布的峰部越矮而尾部翘得越高； 3、当?逼近?, 逼近 ,t分布逼近u分布。;t 界值表（P804附表2 ） t?/2，?：表示自由度为?，双侧概率P为?时t的界值;t分布曲线下面积(概率P或?)与横轴t值间的关系：;t分布曲线下面积的规律： 中间95%的t值：- t0.05/2，? ? t0.05/2，? 中间99%的t值：- t0.01/2，? ? t0.01/2，? (1) 自由度（υ）一定时，p与│t│成反比; (2) 概率（p）一定时，υ与│t│成反比。;t分布与标准正态分布的比较：;第三节 总体均数的估计; 2、 区间估计：根据选定的可信度（或置信度，用概率表示）估计总体参数所在的范围。该范围称为可信区间或置信区间(confidence Interval, CI)。 常表示为：（L,U） 可信度:估计正确的概率。1- ? 95％或99％;二、总体均数可信区间的计算;;;两总体均数之差的可信区间： ;三、可信区间的确切含义;区间估计的准确度：说对的可能性大小， 用 (1-?) 来衡量。99%的可信区间好于95%的可信区间（n, S 一定时）。 区间估计的精确度：指区间范围的宽窄，范围越宽精确度越差。99%的可信区间差于95%的可信区间（n, S 一定时）。 ;;;练习题 是非判断： 1．标准误是一种特殊的标准差，其表示抽样误差的大小。 2．N一定时，测量值的离散程度越小，用样本均数估计总体均数的抽样误差就越小。