总体均数的区间估计和假设检验.pptVIP

第3章 总体均数的区间估计和假设检验 目 录 学习要求 掌握：抽样误差的概念和计算方法 掌握：总体均数区间的概念，意义和计算方法 掌握：假设检验的基本步骤及思路 掌握：u检验和t检验的概念，意义，应用条件和计算方法 熟悉：第一类错误和第二类错误的概念和意义 熟悉：假设检验的注意问题 第一节 均数的抽样误差与标准误 统计推断(statistical inference) ：根据样本信息来推论总体特征。 均数的抽样误差 ：由抽样引起的样本均数与总体均数的差异称为均数的抽样误差。 标准误(standard error)：反映均数抽样误差大小的指标。 σ已知： 实例：如某年某市120名12岁健康男孩，已求得均数为143.07cm，标准差为5.70cm，按公式计算，则标准误为： 二、标准误的应用 1.表示抽样误差的大小 ； 2.进行总体均数的区间估计； 3.进行均数的假设检验等。 第二节 t 分布 t分布于1908年由英国统计学家W.S.Gosset以“Student”笔名发表，故又称“Student t”分布 实际工作中由于理论的标准误往往未知，而用样本的标准误作为的估计值， 此时就不是u变换而是t变换了，即下式： 二、t分布曲线的特征 t分布曲线是单峰分布，以0为中心，左右两侧对称， 曲线的中间比标准正态曲线（u分布曲线）低，两侧翘得比标准正态曲线略高。 t分布曲线随自由度υ而变化，当样本含量越小（严格地说是自由度υ =n-1越小），t分布与u分布差别越大；当逐渐增大时，t分布逐渐逼近于u分布，当υ =∞时，t分布就完全成正态分布。 t分布曲线是一簇曲线，而不是一条曲线。 T界值表。 t分布曲线下双侧或单侧尾部合计面积 我们常把自由度为υ的t分布曲线下双侧尾部合计面积或单侧尾部面积为指定值α时，则横轴上相应的t界值记为tα,υ。 如当υ=20， α=0.05时，记为t0.05, 20；当υ =22， α =0.01时，记为t0.01, 22。对于tα, υ值，可根据α和υ值，查附表，t界值表。 t分布是t检验的理论基础。由公式可知，│t│值与样本均数和总体均数之差成正比，与标准误成反比。 在t分布中│t│值越大，其两侧或单侧以外的面积所占曲线下总面积的比重就越小 ，说明在抽样中获得此│t│值以及更大│t│值的机会就越小，这种机会的大小是用概率P来表示的。 │t│值越大，则P值越小；反之，│t│值越小，P值越大。根据上述的意义，在同一自由度下，│t│≥ tα ，则P≤ α ； 反之，│t│＜tα，则P＞α。 第三节 总体均数的区间估计 参数估计:用样本指标（统计量）估计总体指标（参数）称为参数估计。 估计总体均数的方法有两种，即： 点值估计（point estimation ） 区间估计（interval estimation）。 一、点值估计 点值估计：是直接用样本均数作为总体均数的估计值。 此法计算简便，但由于存在抽样误差，通过样本均数不可能准确地估计出总体均数大小，也无法确知总体均数的可靠程度。 二、区间估计 区间估计是按一定的概率（1-α）估计包含总体均数可能的范围，该范围亦称总体均数的可信区间（confidence interval，缩写为CI）。 1-α称为可信度，常取1-α为0.95和0.99，即总体均数的95%可信区间和99%可信区间。 1-α（如95％）可信区间的含义是：总体均数被包含在该区间内的可能性是1-α，即（95％），没有被包含的可能性为α，即（5％）。 总体均数的可信区间的计算 1.未知σ且n较小(n100) 按t分布的原理 例3.1 为了了解某地1岁婴儿的血红蛋白浓度，从该地随机抽取了1岁婴儿25人，测得其血红蛋白的平均数为123.7g/L，标准差为11.9g/L。试求该地1岁婴儿的血红蛋白平均值95％的可信区间。 95%的可信区间为123.7±2.064×2.38，即（118.79, 128.61）。故该地1岁婴儿血红蛋白平均值95％的可信区间为118.7～128.61（g/L）。 例3.2 上述某市120名12岁健康男孩身高均数为143.07cm，标准误为0.52cm，试估计该市12岁康男孩身高均数95%和99%的可信区间。 95%的可信区间为 143.07±1.96×0.52，即（142.05，144.09）。 99%的可信区间为 143.07±2.58×0.52, 即（141.73，144.41）。 注 意 点 标准误愈小，估计总体均数可信区间的范围也愈窄，说明样本均数与总体均数愈接近，对总体均数的估计也愈精确； 反之，标准误愈大，估计总体均数可信区间的范围也愈宽，