统计学复习(抽样分布、参数估计、假设检验).pptVIP

关于均值的抽样分布有如下的一些结论: 1.对于多数总体分布来说，不论其形态如何，如果样本观察值超过30个，那么均值的抽样分布将近似于正态分布。 条件 检验统计量 拒绝域 H0、H1 (1) H0：P=P0 H1：P≠P0 z (2) H0：P = P0 H1：P＞P0 (3) H0：P = P0 H1：P＜P0 z 0 z 0 0 大样本 条件 检验统计量 拒绝域 H0、H1 总体服从正态分布 凌洁 复习 抽样分布参数估计和假设检验 推断统计：利用样本统计量对总体某些性质或数量特征进行推断。 随机原则 总体参数 统计量 推断估计 参数估计 检验 假设检验 抽样分布 抽样分布 简单随机抽样和简单随机样本的性质 不放回 放 回 放回 不放 回 独立性和同一性 同一性 当n/N≤5%时，有限总体不放回抽样等同于放回抽样 统计量与抽样分布 统计量：即样本指标。 样本均值 样本比率 样本方差 如： 抽样分布： 某一统计量所有可能的样本的取值形成的分布。 方差的平方根即抽样分布的标准差就是 推断的 抽样误差。 样本均值的抽样分布（简称均值的分布） 抽样 均值 均值μ=∑Xi/N 样本均值是样本的函数， 故样本均值是一个统计量， 统计量是一个随机变量， 样本均值的概率分布称为 样本均值的抽样分布。 抽 样 方 法 均 值 方 差 标 准差 （1）从无限总体抽 样和有限总体放回抽样 （2）从有限总体不放回抽样 抽样误差 抽样误差 从正态总体中抽样得到的均值的分布也服从正态分布。 从非正态总体中抽样得到的均值的分布呢？ 中心极限定理： 无论总体为何种分布，只要样本n足够大（n≥30），均值（ ）标准化为（z）变量，必定服从标准正态分布，均值（ ）则服从正态分布，即： 2.如果总体是正态分布的，则不管样本大小如何，均值的抽样分布一定是服从正态分布的。 两个样本均值之差的抽样分布 抽样 抽样 估计 （1）如： （2〕如果两个总体都是非正态总体，只要n1、n2足够大，根据中心极限定理，可知： 样本比率（即成数）的抽样分布（简称成数的分布） 抽样 比率 比率 =Ni/N 所有可能的样本的比率（ ）所形成的分布，称为样本比率的抽样分布。 抽 样 方 法 均 值 方 差 标 准差 （1）从无限总体抽 样和有限总体放回抽样 （2）从有限总体不放回抽样 根据中心极限定理，只要样本足够大， 的分布就近似正态分布。 抽样误差 抽样误差 两个样本比率之差的抽样分布 抽样 抽样 估计 当n1、n2都足够大时，样本比率 都近似服从正态分布，两个样本比率之差（ ）也近似服从正态分布。 ∏1-∏2=？ 一个样本方差的抽样分布 抽样 若:从一个正态总体中抽样所得到的样本方差的分布 n,S2 则 两个样本方差之比的抽样分布 抽样 从两个正态总体中分别独立抽样所得到的两个样本方差之比的抽样分布。 n1,S12 则 抽样 n2,S22 参数估计 点估计 以样本指标直接估计总体参数。 评价准则 的数学期望等于总体参数，即 该估计量称为无偏估计。 无偏性 有效性 当 为 的无偏估计时， 方差 越小，无偏估计越有效。 一致性 对于无限总体，如果对任意 满足条件 则称 的一致估计。 是 充分性 一个估计量如能完全地包含未知参数信息，即为充分量 估计量 点估计 常用的求点估计量的方法 1.数字特征法: 当样本容量增大时 ,用样本的数字特征去估计总体的数字特征。 例如，我们可以用样本平均数(或成数)和样本方差来估计总体的均值(或比率)和方差。 2.顺序统计量法 : 如果把取得的样本观测值按大小排列起来，那么与排列位置有关的统计量就称为顺序统计量。常用的顺序统计量有样本中位数和极差。 当总体服从正态分布时, 用样本中位数来估计总体的数学期望 : 3.极大似然估计法: 极大似然估计是根据样本的似然函数对总体参数进行估计的一种方法 。 其实质就是根据样本观测值发生的可能性达到最大这一原则来选取未知参数的估计量θ，其理论依据就是概率最大的事件最可能出现。 区间估计 估计未知参数所在的可能的区间。 评价准则 随机区间 置信度 精确度 随机区间 包含 （即可靠程度）越大越好。 的概率 的平均长度 （误差范围）越小越好 一般形式 或 总体参数 估计值 允许误差 △：一定倍数的抽样误差 例如： 抽样误差 一定时， 越大， 概率（可靠性）大； 随