第4章总体均数的估计.pptVIP

第四章 抽样误差与区间估计 一、均数的抽样误差 抽样的目的是用样本信息来推断总体特征，因此要保证样本的可靠性和代表性，使样本能够充分地反映总体的真实情况。这就要求严格遵循独立性和随机化的原则，并保证足够的样本含量。 为了解某地成年男子红细胞的总体均数，随机抽样调查了200人，计算得到 这是一个点估计值，可以用来估计总体均数μ。但此时样本均数不太可能等于总体均数。 这种由个体变异产生的、随机抽样而引起的统计量与总体参数间的差异称为的抽样误差（sampling error），在抽样研究中抽样误差是不可避免的，只要抽样就会有抽样误差存在，但是抽样误差的分布有一定的规律性，并且可以通过一定的方法来估计。 根据数理统计原理，样本均数抽样结果具有如下特点： 从正态总体N（μ,?2）中，随机抽取例数为n的样本，样本均数也服从正态分布，即使是从偏态总体中抽样，当n足够大时，样本均数的分布也服从正态分布； 从均数为μ，标准差为?的正态或偏态总体中，抽取例数为n的样本，样本均数的均数 ，标准差为 。 是样本均数的标准差也称为标准误，它反映了样本均数与总体均数之间的离散程度，常用以说明均数抽样误差的大小。 标准误的计算公式如下： 该式反映了标准误 的大小与标准差? 呈正比，与样本量的平方根呈反比。因此，在抽样研究中，可适当增加样本含量，控制和减小抽样误差。 在实际工作中，总体标准差?常是未知的而是用样本标准差s 来代替， 的估计值记作 。 从 N(4.83, 0.522)的总体中作随机抽样，n=10, 重复100次的抽样结果见P31。计算得到： 随机抽样调查了200人，计算得到 : 估计其抽样误差： 标准误的用途 标准误是反映样本均数变异程度的指标，常用来表示抽样误差的大小。标准误大反映样本均数抽样误差大，其对总体均数的代表性差；标准误小，样本均数抽样误差就小，其对总体均数的代表性就好。 标准误可用于计算总体均数的可信区间，也是进行假设检验的基础。 标准差和标准误的区别 意义： 标准差描述个体值间的变异程度，即观察值间的离散度，标准差小，表示观察值围绕均数的波动较小。当观察值呈正态或近似正态分布时，可将均数及标准差同时写出，如 。 标准误描述统计量的抽样误差的大小，即样本统计量与总体参数的接近程度。标准误小，表示抽样误差小，则统计量较稳定，与参数较接近。 标准差和标准误的区别 用途 标准差表示观察值间波动的大小，如精密度的大小，当资料服从正态或近似正态分布时，可结合均数估计正常值范围： 标准误表示抽样误差的大小，用于估计总体参数的可信区间： 标准差、标准误与样本含量的关系 标准差随着样本量的增多，逐渐趋于稳定，如同地区、同年龄、同性别儿童的身高、体重的标准差，当样本含量达到约200以上时，基本趋于稳定。 标准误随着样本量的增多而减小，如均数的标准误，当标准差不变时，与样本量的平方根呈反比。 当样本含量趋近于总体例数时，则样本标准差趋于稳定，近似等于总体标准差；标准误则趋近于0，抽样误差几乎消失。 二、均数抽样误差的分布－t分布 在总体均数为?，标准差为?的正态总体中，独立随机的抽取样本含量为n的样本，则样本均数服从正态分布 ： 将样本均数标准化，则： 其中的分母称为均数的标准误，如果变量是正态的或近似正态的，则标准化的变量服从或近似服从N（0，1）分布，即u分布。 若上式中的 ? 是未知的，可用样本标准差s代替总体标准差? ，此时采用的不是 u 变换而是 t 变换了，即： 其结果就不再服从标准正态分布了，而是服从自由度为n-1 的 t 分布。 t 分布也是一种对称分布，它只有一个参数，即自由度。t 分布与标准正态分布相比有以下特征： 二者都是单峰分布，以0为中心，左右两侧对称。 t 分布的峰部较矮而尾部翘得较高，说明远侧 t 值的个数相对较多，即尾部面积（概率P）较大。自由度越小这种情况越明显。 t分布不是一条曲线，而是由一簇随自由度改变而变化的曲线所组成。当?逐渐增大时，t