统计学导论曾五一第五章抽样分布与参数估计.docxVIP

第五章抽样分布与参数估计第一节抽样的基本概念与数学原理一有关抽样的基本概念（一）样本容量与样本个数 1.样本容量。样本是从总体中抽出的部分单位的集合，这个集合的大小称为样本容量，一般用n表示，它表明一个样本中所包含的单位数。一般地，样本单位数大于30个的样本称为大样本，不超过30个的样本称为小样本。 2.样本个数。样本个数又称样本可能数目，它是指从一个总体中可能抽取多少个样本。（二）总体参数与样本统计量 1.总体参数。总体分布的数量特征就是总体的参数，也是抽样统计推断的对象。常见的总体参数有：总体的平均数指标，总体成数(比例)指标，总体分布的方差、标准差等等。它们都是反映总体分布特征的重要指标。 2.样本统计量。样本统计量是样本的一个函数。它们是随机变量。我们利用统计量来估计和推断总体的有关参数。常见的样本统计量有：样本平均数，样本比例，样本的方差、标准差。（三）概率抽样及其组织形式所谓概率抽样，就是要求对总体的每一次观察（每一次抽取）都是一次随机试验，并且有和总体相同的分布。按这样的要求对总体观测（抽取）n次，可得到容量为n的样本。（四）放回抽样与不放回抽样 1.放回抽样。放回抽样的具体做法是：从总体中抽出一个样本单位，记录其标志值后，又将其放回总体中继续参加下一轮单位的抽取。放回抽样的特点是：第一，n个单位的样本是由n次试验的结果构成的。第二，每次试验是独立的，即其试验的结果与前次、后次的结果无关。第三，每次试验是在相同条件下进行的，每个单位在多次试验中选中的机会(概率)是相同的。在放回抽样中，样本可能的个数是Nn，N为总体单位数，n为样本容量。2.不放回抽样。每次从总体抽取一个单位，记录其标志值后不放回原总体，不参加下一轮抽样。下一次继续从总体中余下的单位中抽取。特点是：第一，n个单位的样本由 n 次试验结果构成，但由于每次抽出不放回，所以实质上相当于从总体中同时抽取n个样本单位。第二，每次试验结果不是独立的，上次中选情况影响下次抽选结果。第三，每个单位在多次(轮)试验中中选的机会是不等的。如果考虑顺序，其样本可能个数为；如果不考虑顺序，其样本可能个数为。（五）抽样分布从总体中可以随机地抽取许多样本，由每一个样本都可以计算样本统计量的观测值，所有可能的样本观测值及其所对应的概率便是所谓的抽样分布。因此，抽样分布也可以称为样本统计量的概率分布。抽样分布可能是精确地服从某种已知分布（所谓已知分布，例如我们在第四章介绍过的各种常见分布），也可能是以某种已知分布为极限分布。在实际应用中，后者更为多见。二大数定理与中心极限定理（一）大数定理。独立同分布的随机变量X1，X2，…,Xn，…，并且有数学期望及方差，(i=1,2,…)。则对任意的正数ε，有：大数定理表明：尽管个别现象受偶然因素影响，有各自不同的表现。但是，对总体的大量观察后进行平均，就能使偶然因素的影响相互抵消，消除由个别偶然因素引起的极端性影响，从而使总体平均数稳定下来，反映出事物变化的一般规律。（二）正态分布的再生定理如果变量X服从正态分布，总体的平均数是，标准差是，从这个总体中抽出一个容量是n的样本，则样本平均数也服从正态分布，其平均数仍为，其标准差为。从正态分布的再生定理可以看出，只要总体变量服从正态分布，则从中抽取的样本，不管n是多少，样本平均数都服从正态分布。但是在客观实际中，总体并非都是正态分布。对于从非正态分布的总体中抽取的样本平均数的分布问题，需要由中心极限定理来解决。（三）中心极限定理 1. 样本平均数的中心极限定理中心极限定理告诉我们无论总体服从何种分布，只要它的平均数与标准差客观存在，我们就可以通过增大样本容量n的方式，保证样本平均数近似服从正态分布。样本容量n越大，样本平均数的分布就越接近正态分布。 2. 样本比例的中心极限定理第二节抽样分布一样本平均数的抽样分布（一）样本平均数的期望值与方差在不放回抽样的情况下，数学上可以证明，其样本平均数的期望值同样等于总体的期望值。而样本平均数的标准差为：上式中的N为总体单位数。与放回抽样相比，这里多了一个，这个系数称为不放回抽样的修正系数。由于该系数在0，1之间，因此，不放回抽样的标准差比放回抽样小。当N远大于n时，修正系数近似1，修正与否对平均误差几乎没有影响，这时可以不考虑抽样方式差异，都按放回抽样处理。（二）样本平均数的分布规律二样本比例的抽样分布（一）样本比例的期望值与方差根据上一章的介绍，我们知道，N1服从二项分布，它的数学期望是，方差是。利用这一结果与期望值的计算规则，可得：（二）样本比例的分布规律（三）样本方差的抽样分布于来自正态总体的样本容量为n的简单随机样本，统计量服从自由度为(n-1)的卡方分布，即第三节参数估计一参数估计概述（一）参数估计的定义与种类所谓参