2.2.2用样本的数字特征估计总体的数字特征(讲授课).pptVIP

* * * * * 问题提出 1.对一个未知总体，我们已经学过的用样本分布估计总体分布的方法有哪些？ 2.它们各有什么优缺点？ 频率分布表和频率分布直方图能够很容易表示大量数据，非常直观地表明其分布形状，使我们能够看到许多隐藏在数据后的信息，但是，损失了一些样本数据的信息，不能保留原有数据。 茎时图由所有样本数据组成，没有损失任何样本信息，可以在抽样过程中随时记录，但是，只能适用于样本容量较小时。 3.对于样本容量较大的样本，为了从整体上更好地把握 总体规律，我们该如何处理呢？ 2.2.2 用样本的数字特征估计总体的数字特征 平均数: 一组数据的算术平均数,即 x= 一 众数、中位数、平均数的概念 中数：将一组数据按大小依次排列，把处在最中间位置的一个数据（或最中间两个数据的平均数）叫做这组数据的中位数． 众数：在一组数据中，出现次数最多的数据叫做这组数据的众数． 复习运用 平均数 中位数 众数 探究1：众数、中位数和平均数 思考1：如何从频率分布直方图中估计众数、中位数、平均数？ 思考2：在城市居民月均用水量样本数据的频率分布直方图中，你认为众数应在哪个小矩形内？由此估计总体的众数是什么？ 月均用水量/t 频率 组距 0.5 0.4 0.3 0.2 0.1 0.5 1 1.5 2 2.5 3 3.5 4 4.5 O 取最高矩形下端中点的横坐标2.25作为众数. 思考3：在城市居民月均用水量样本数据的频率分布直方图中，从左至右各个小矩形的面积分别是0.04，0.08，0.15，0.22，0.25，0.14，0.06，0.04，0.02.由此估计总体的中位数是什么？ 月均用水量/t 频率 组距 0.5 0.4 0.3 0.2 0.1 0.5 1 1.5 2 2.5 3 3.5 4 4.5 O 0.5-0.04-0.08-0.15-0.22=0.01，设小矩形的宽为Ｘ，则：0.5Ｘ＝0.01，得Ｘ＝0.02，所以中位数是２+0.02＝2.02. 思考4：平均数是频率分布直方图的“重心”，在下面的频率分布直方图中，各个小矩形的重心在哪里？从直方图估计总体在各组数据内的平均数分别为多少？ 0.25,0.75,1.25, 1.75,2.25,2.75, 3.25,3.75,4.25. 月均 用水量/t 频率 组距 0.5 0.4 0.3 0.2 0.1 0.5 1 1.5 2 2.5 3 3.5 4 4.5 O 样本数据的估计平均数就是将频率分布直方图中每个小矩形的面积与小矩形底边中点的横坐标之积相加. 由此估计总体的平均数就是 0.25×0.04+0.75×0.08+1.25×0.15+1.75×0.22+2.25×0.25+2.75×0.14+3.25×0.06+3.75×0.04+4.25×0.02 =2.02（t）. 思考5：从居民月均用水量样本数据可知，该样本的众数是2.3，中位数是2.0，平均数是1.973,这与我们从样本频率分布直方图得出的结论有偏差,你能解释一下原因吗？ 在制作频率分布直方图“丢失”了一些样本数据，得到的是一个估计值，且所得估计值与数据分组有关. 注: 在只有样本频率分布直方图的情况下，才可按上述方法估计众数、中位数和平均数,并由此估计总体特征. 1、众数体现了样本数据的最大集中点，但它对其它数据信息的忽视使得无法客观地反映总体特征。 　　如上例中众数是2.25t,它告诉我们，月均用水量为2.25t的居民数比月均用水量为其它数值的居民数多，但它并没有告诉我们多多少。 二、三种数字特征的优缺点： 2、中位数是样本数据所占频率的等分线，它不受少数几个极端值的影响，这在某些情况下是优点，但它对极端值的不敏感有时也会成为缺点。 　　如上例中假设有某一用户月均用水量为1000t，那么它所占频率为0.01,几乎不影响中位数,但显然这一极端值是不能忽视的。 3、由于平均数与每一个样本的数据有关，所以任何一个样本数据的改变都会引起平均数的改变，这是众数、中位数都不具有的性质。 　　与众数、中位数比较起来，平均数可以反映出更多的关于样本数据全体的信息，但平均数受数据中的极端值的影响较大，使平均数在估计时可靠性降低。 三种数字特征的优缺点 特征数 优 点 缺 点 众数 体现了样本数据的最大集中点 无法客观反映总体特征 中位数 不受少数极端值的影响 不受少数极端值的影响有时也是缺点 平均数 与每一个数据有关，更能反映全体的信息. 受少数极端值的影响较大，使其在估计总体时的可靠性降低. * * * * * 从甲、乙、丙三个厂家生产的同一件产品中抽取8件产品，对其寿品进行跟踪调查结果如下（