推断性单变量统计.pdf

推断性单变量统计 ①以参数估计和假设检验为基础的推断性单变量 统计分析，包括点估计与区间估计，方差分析， 2 t‐检验、F‐检验与χ ‐检验等经典检验和p‐值检验。 ②非参数统计分析的概念和原理，以及常用的非 参数估计与检验方法。 • 统计学中，样本并不需要精确地反映总体特征。 纵使是良好设计的采样，也不能确保样本能精 确地反映总体特征。记住，任何样本都可能错 误地或不完全地表达总体。 • 尽管我们有关总体的知识可能含糊不清和非常 有限，借助样本数据可以估计出总体特征或统 计量。 采样分布 • 采样分布（sampling distribution ）是概率分布 的特定类型，它的分布曲线形状随样本大小n 而变化。 • 以样本大小为基础的自由度（degrees of  freedom ）定义了绘制采样分布的参数。 • 采样分布是统计学分布，而不是单个数值的分 布。每个统计量（均值、众数和中位数等）都 有各自的分布。 几种重要的采样分布:    t分布 • t分布描述样本均值的采样分布，其真实的总 体方差是未知的。 • t分布是对称的，其均值是0，但标准差大于1。 • 随着自由度增加，在有限情形下，t分布接近 正态分布。统计学上，称为渐近逼近。 • t分布是t检验（用于不同采样的均值比较）的 依据。 2  几种重要的采样分布:       分布 几种重要的采样分布:   F 分布 参数估计 • 给定样本数据，进一步拟合模型和数据，因此需 要确定特定模型的最佳拟合参数，需要估计参数 的方法。即从总体中抽取样本，对样本统计量进 行统计推断，得出相关总体参数的过程，就是参 数估计。 • 参数估计包括两种形式：点估计和区间估计。 • 点估计的价值是在于定义模型，是面对未知的情 形计算估计。 • 区间估计的价值是量化参数估计的准确性，是对 统计量有所理解，需要进一步对相关假设情形， 作出检验和推断。 • 参数估计（parameter estimation ）是数理统计的核心内 容。面对的问题是假定总体分布是已知的，表达总体分 布特征的参数θ是未知的。 • 对不同分布，待估计的参数可能有区别。比如， Weibull分布的参数估计除一般统计量（如均值、总量、 方差等）外，还可能包括位置、形态和尺度参数。 • 对应随机样本组，估计就是随机变量。因此，一个样本 估计是以样本分布为基础。不同采样方式，参数估计与 计算方法同样有差别。 • 然而，环境科学中，环境总体的分布往往是未知的，不 能轻意假定环境数据就是服从正态分布或对数正态分布， 而应当根据问题性质，审慎地研究； • 不同于经典数学问题，环境样本数值也是不确定的，实 际测量结果可能因为实验室类型、仪器和分析人员而变 化。 • 经典统计上，要求样本满足一些条件： ①随机采集数据。实际非参数估计中，也要求随机 采样。即每个样本的选择概率是相同的，一个样本的 选择也不影响其它样本的选择概率。 ②观测样本必须是正态分布，或近似正态分布。参 数估计的一般假设是样本数据服从正态分布，正态分 布的均值和方差本身就是参数。 ③当采样的总体有多个，则对每组总体采集的样本 必须具有相同的方差。 ④样本数据必须是可测量的，至少是区间变量或者 近似这个尺度的离散型分布数据，如动物数量、细胞 数量、微生物数量计数。 小结 • 是借助样本数据，估计目标环境总体的参数。 • 参数统计方法是从样本数值估计总体特征参数的方法， 如矩法、最大似然估计、最小二乘法、Bayes估计、极 小极大估计、Pitman估计、区间估计和鲁棒性估计等。 • 常用参数统计方法包括： ①