[医学]4参数估计.pptVIP

4.参数估计 抽样分布与标准误 Z分布与t 分布 总体参数的估计 4.1 抽样分布与抽样误差 抽样研究的目的是用样本信息推断总体特征，即用样本资料计算的统计指标推断总体参数. 常用的统计推断方法 有参数估计（总体均数和总体概率的估计） 假设检验. 4.1.1样本均数 样本均数的抽样分布与抽样误差 标准误 1.样本均数的抽样分布 抽样试验 从正态分布总体N（5.00，0.502）中，每次随机抽取样本含量n＝5，并计算其均数与标准差；重复抽取1000次，获得1000份样本；计算1000份样本的均数与标准差，并对1000份样本的均数作直方图。 按上述方法再做样本含量n＝10、n＝30的抽样实验；比较计算结果。 抽样试验（n=5） 抽样试验（n=10） 抽样试验（n=30） 1000份样本抽样计算结果 3个抽样实验结果图示 样本均数的抽样分布具有以下特点： 1. 各样本均数未必等于总体均数； 2. 样本均数之间存在差异； 3. 样本均数的分布很有规律，围绕着总体均数，中间多、两边少，左右基本对称，也服从正态分布； 4. 样本均数的变异较之原变量的变异大大缩小 抽样实验小结 样本均数围绕总体均数上下波动。 随着样本含量的增大，样本均数的变异程度（样本均数的标准差即标准误）逐渐减小。 从正态总体N(m,s2)中抽取很多个样本含量n相同的样本，获得样本均数的分布仍近似呈正态分布N(m,s2/n) 。 非正态总体样本均数的抽样实验 图（a）是一个正偏峰的分布， 用电脑从中随机抽取n=5，10，30，50的样本各1000次，计算样本均数并绘制4个直方图 。 图（b）~ (e) 显示，当样本量n较小时，样本均数的分布当然并非正态分布，样本量足够大时（例如，n ? 50），样本均数的分布近似于正态分布。 中心极限定理 central limit theorem 从正态总体N(m,s2)中抽取很多个样本含量n相同的样本，所得样本均数的分布仍近似呈正态分布。 从非正态总体中抽取样本，当样本含量n比较大时，所得样本均数的分布也近似呈正态分布。 2、均数的抽样误差（Sampling error of mean） 1.概念：从总体中随机抽样时，样本均数与总体均数或样本均数与样本均数之间的差异，称作均数的抽样误差。 2.产生抽样误差的原因：是因为总体中的个体之间存在变异。抽样误差是不可避免的，但其大小可以估计。均数抽样误差大小以均数的标准误表示。 3、均数的标准误（standard error of mean） 样本均数的标准差叫均数的标准误 1）符号：以 表示。 实际应用中，σ常属未知，无法计算 ，故常以 作为 的估计值。 2）计算： 例 2000年某研究者随机调查某地健康成年男子27人，得到血红蛋白量的均数为125 g /L，标准差为15 g /L。试估计该样本均数的抽样误差。 4)均数标准误的应用 (1)说明均数抽样误差的大小，记为 。 （2）结合均数推断总体均数的置信区间。 （3）用均数标准误进行均数的假设检验。 4.1.2 样本频率 实验 在一口袋内装有形状、重量完全相同的黑球和白球，已知黑球比例为20%（总体概率π=20%），从口袋中每摸一次看清颜色后放回去，搅匀后再摸，重复摸球35次（n=35）,　计算摸到黑球的百分比（样本频率pi）。重复这样的实验100次，每次得到100个黑球的比例分别为14.4%, 19.8%, 20.2%, 22.5%,······等，将其频数分布列于下表。 频率的抽样误差：样本频率与样本频率之间或样本频率与总体概率之间的差异。 频率的标准误：即样本频率的标准差，表示频率的抽样误差的指标 若X服从二项分布B(n,?) 样本频率为 样本频率p的总体均数为 ?p=π， 样本频率p的总体方差为 样本频率p的标准差（率的标准误） ?p的估计值 例 某市随机调查了50岁以上的中老年妇女776人，其中患有骨质疏松症者322人，患病率为41.5%，试估计该样本频率的抽样误差。 p = 41.5% = 0.415，n = 776 4.1.3 两个样本均数间差值* 分别从两个正态总体N(?1,?12)和N(?2,?22)中独立地随机抽取样本，所得样本均数分别记为 ，分别服从正态分布N(?1,?12/n1)和N(?2,?22/n2)，所得两个样本均数的差值 同样服从正态分布： 如果总体为非正态分布，当样本含量n足够大时，根据中心极限定理，所