第五章 统计学参数估计.pptVIP

描述统计与推断统计的关系 参数估计的一般问题（例子） 例：某大公司要整理2500个职工的档案。其中一项内容是考察这些职工的平均年薪及参加过公司培训计划的比例。 总体：2500名职工（population )， 如果上述情况可由每个人的个人档案中得知，可容易地测出这2500名职工的平均年薪及标准差。 在上例中，假如随机抽取了一个容量为30的样本： 平均年薪 是否参加培训 49094.3 是 53263.9 是 49643.5 否 … … ?2分布(?2 distribution) 由阿贝(Abbe) 于1863年首先给出，后来由海尔墨特(Hermert)和卡·皮尔逊(K·Pearson) 分别于1875年和1900年推导出来 设 ，则 令 ，则 Y 服从自由度为1的?2分布，即 3. 当总体 ，从中抽取容量为n的样本，则 c2分布(图示) ?2分布(性质和特点) 分布的变量值始终为正 分布的形状取决于其自由度n的大小，通常为不对称的右偏分布，但随着自由度的增大逐渐趋于对称 E(?2)=n，D(?2)=2n 可加性：若U和V为两个独立的?2分布随机变量，U~?2(n1)，V~?2(n2),则U+V这一随机变量服从自由度为n1+n2的?2分布 （2） 分位点 若对于给定的 ，0＜ ＜1，存在使得 则称点 为 分布的上 分位点，如图所示。 t 分布 t 分布图示 2、性质 ——关于y轴呈对称分布；当 时，近似于N（0，1）分布。 ——α分位点 对于给定的α，0 α1，称满足 的点 为t分布的α分位点。 F分布(F distribution) 由统计学家费希尔(R.A.Fisher) 提出的，以其姓氏的第一个字母来命名 设若U为服从自由度为n1的?2分布，即U~?2(n1)，V为服从自由度为n2的?2分布，即V~?2(n2),且U和V相互独立，则称F为服从自由度n1和n2的F分布，记为 F分布(图示) ——α分位点 对于给定的α，0 α1，称满足 为F分布的α分位点。 —— 一、有关正态总体的几个主要结果 总体成数与样本成数 总体成数(或比例)是指总体中具有某一特征的个体在总体中所占的比重，用 表示 如果总体中的个体用 表示，总体容量为N，则总体均值等于总体成数 说明：个体具有该特征赋值“1”，不具有赋“0” 总体方差为 样本成数是指样本中具有某一特征的个体在该样本中所占的比重，用p表示 设X1,X2,…,Xn是从该总体抽取的一个样本,则 样本均值 就是样本中具有该特征的 个体数占样本总数的百分比,即 就是样本成数p, 样本方差为 二、总体参数的点估计 三、正态总体均值的区间估计 3.1 置信区间概念 对于未知参数 ，除了得到它的点估计 外，我们还希望估计出一个范围，并希望知道 这个范围包含参数真值 的可信程度．这样的范围通常以区间的形式给出，而可信程度由概率给出．这种估计称为区间估计或置信区间，以下先给出置信区间概念． 定义 设 为总体X的一个未知参数， 是预先给定一个数， ， 是 两个估计量，如果 则称随机区间 为未知参数 的一个置信度为 的置信区间(Confidence Interval)．置信度也常称为置信水平(confidence level)或置信系数