第章 总体分布样本分布.ppt

第5章 总体分布、样本分布 与参数估计 《管理统计学》谢湘生广东工业大学管理学院 5.1 总体分布与样本分布 5.1.3 样本分布函数 5.1.4 格利文科(Glivenko)定理（样本分布与总体分布的关系） 5.1.5 随机样本的均值函数 5.1.6 随机样本的方差函数 5.2 统计量与统计量的分布 5.2.1 统计量的定义 5.2.2 由标准正态分布的随机样本所引出的几个重要统计量的分布 2. χ2 ( n ) 分布的构成 3. t分布 3. F分布 5.2.3 由一般正态分布的随机样本所构成的若干重要统计量的分布 5.2.4 任意分布的随机样本均值函数的均值和方差 2.一个应用广泛的样本均值与方差：0-1分布的样本均值与方差 5.2.5 大样本均值的分布： 中心极限定理 5.3 点估计 5.3.1 点估计的概念 5.3.2 矩估计法 5.3.3 极大似然估计法 5.3.4 示例 一个实例：EAI管理人员 5.4 判断点估计量的优劣标准 5.4.1 无偏估计量 5.4.2 最小方差性 5.4.3 有效估计量 5.4.4 渐近无偏估计量 5.4.5 一致估计量 5.4.6 渐近有效性 渐近有效性的定义：一个估计量是渐近有效的，如果 （1）这个估计量是一致估计量 （2）这个估计量有着比“其他方法得到的估计量”有更小的渐近方差 通常判别点估计量优劣的准则 小样本准则 无偏性 有效性 大样本准则 一致性 总体构成比例的估计 5.5 区间估计 5.5.1 置信区间 5.5.2 已知总体方差求总体均值的置信区间 5.5.3 未知总体方差求总体均值的置信区间 5.5.4 未知总体均值求总体方差的置信区间 5.6 SPSS在参数估计中的应用 见教材和课堂演示 设X1, X2, …, Xn是来自于总体X的一个随机样本，并且在这一样本中我们所关注的对象恰好出现了n1次。那么 即样本的均值恰好等于样本的比例。由此可见，可用样本比例π 来估计总体比例p。 此外，由中心极限定理，当样本容量充分大时，样本的均值函数近似地服从正态分布，也就是近似地有： 若总体分布含一个未知参数β, 如果找出了2个依赖样本X1, X2, … , Xn的估计量： 使得 其中0 α 1，则称随机区间 为β的 (1 – α)（或100 (1 – α) %)的置信区间； 1 – α（或百分数100(1 – α)%）称为置信度或置信水平； α 称为显著性水平，通常取为0.05或0.01。 例5.5.1 设总体X服从N(μ, 0.09), 抽取了4个样本观察值x1, x2, x3, x4, 求总体均值μ的95%的置信区间。 首先 因此 注意到N(0, 1)是一个对称分布。现在来确定k，使得 2.5%的面积 95%的面积 k 0.5359 0.5753 0.6141 0.6517 0.6879 ? 0.7224 0.7549 0.7852 0.8133 0.8389 ? 0.8621 0.8830 0.9015 0.9177 0.9319 ? 0.9441 0.9545 0.9633 0.9706 0.9767 ? 0.9817 0.9857 0.9890 0.9916 0.9936 ? 0.9952 0.9964 0.9974 0.9981 0.9986 0.5319 0.5714 0.6103 0.6480 0.6844 ? 0.7190 0.7517 0.7823 0.8106 0.8365 ? 0.8599 0.8810 0.8997 0.9162 0.9306 ? 0.9430 0.9535 0.9625 0.9700 0.9762 ? 0.9812 0.9854 0.9887 0.9913 0.9934 ? 0.9951 0.9963 0.9973 0.9980 0.9986 0.5279 0.5675 0.6064 0.6443 0.6808 ? 0.7157 0.7486 0.7794 0.8078 0.8340 ? 0.8577 0.8790 0.8980 0.9147 0.9292 ? 0.9418 0.9525 0.9616 0.9693 0.9756 ? 0.9808 0.9850 0.9884 0.9911 0.9932 ? 0.9949 0.9962 0.9972 0.9979 0.9985 0.5239 0.5636 0.6026 0.6406 0.6772 ? 0.7123 0.7454 0.7764 0.8051 0.8315 ? 0.8554 0.8770 0.8962 0.9131 0.9278 ? 0.9406 0.9515 0.9608 0.9686 0.9750 ? 0.9803 0