抽样分配(Sampling Distributions)精选.pptVIP

Section 4.3抽樣分配Sampling Distributions 樣本的機率模式 統計量(為樣本之函數)，亦為隨機變數，其機率模式稱為抽樣分配(sampling distribution)。 一般統計量的抽樣分配，則多根據重覆抽樣(實驗)結果來瞭解其機率模式。 的樣本分配。 大數法則，中央極限定理。 例題4.10：樣本統計量實例 研究顧客對不同濃度酒類硫化添加物(DMS)，產生之氣味容忍門檻。 m 為容忍門檻濃度平均值參數。 10位受測者之容忍門檻濃度資料為 28 40 28 33 20 31 29 27 18 21 平均數為 27.4。 另一組資料可得不同的平均數。 大數法則 由具有有限(finite)平均數 m 的母體隨機抽樣，隨著樣本數的增加，樣本平均數 越接近 母體的均數m 。 樣本平均數的這種行為稱為大數法則(law of large numbers)。 例題4.11：大數法則實例 以 代表樣本數為 n 的資料平均數，逐漸增加樣本將 n 及對應的 圖示如後。 大數法則實例圖 統計量的抽樣分配行為 樣本數不大時，我們多重覆抽樣多次，每次計算統計量的樣本值，再以直方圖呈現統計量的抽樣分配行為。 從同一母體中，重覆抽樣多次，每次樣本數為10。 計算每組樣本的平均數 。 以直方圖圖示所有的平均數。 檢視圖形的形狀、中心、分散度以及離群點和其他變異處。 例題4.12：平均數的抽樣分配 過去的研究顯示容忍門檻濃度資料服從平均數為25 標準差為7的常態分配。 1000組10位受測者之容忍門檻濃度平均數， ，的直方圖呈現一近似常態的分配。 常態分配 m =25, s =7 圖形 常態分配 m =25, s =7 模擬資料 1000組10位受測者平均數分配 1000組10位受測者平均數分配 兩理論分配曲線比較 樣本平均數的均數與標準差 令 為樣本數為 n 的一組SRS的平均數，其母體平均數為 m 與標準差為 s。則 的分配平均數為 m 與標準差為 。 因為 的分配平均數也是 m，故 又稱為 m 的不偏估計。 樣本數越大，則樣本平均數 的變異越小。 常態之樣本平均數的分配 若母體服從常態 N(m, s2) ，則SRS的平均數 也服從常態 N(m, )。 中央極限定理(CLT) 若母體平均數為 m 與標準差為 s ，當樣本數夠大時，則SRS的平均數 的分配近似 常態 N(m, )。我們稱之為中央極限定理(Central Limit Theorem)。 母體與常態分配差越多，則樣本數要越大。 樣本數要越大， SRS的平均數 的分配越近似常態N(m, )。 例：指數(exponential distribution)母體之中央極限定理應用。 中央極限定理 (續) 例題4.15：CLT應用實例 假設維護一台冷氣機須 X小時，X 服從指數分配，母體平均數 m = 1, 標準差 s = 1。 根據中央極限定理，維護70台冷氣機平均每台須 小時，其分配近似常態 N(1, 1/70)。平均每台所須時間超過 50分鐘的機率 P( 50/60=0.83) ~ P(Z )= 0.922。 根據精確計算 (由 的真正分配) ，機率 P( 0.83)=0.9294，誤差僅為0.0072 。 例題4.15：CLT應用實例(續) * * Number of observations, n 前 n個樣本的均數 22 23 24 25 26 27 28 29 30 31 32 33 1 5 10 50 100 500 1000 5000 10000 s=7 s=7 s=2.? =2.136 s=7 0 10 20 30 40 50 的圖形 一個 x 的圖形