诠释信赖区间估计值.PPT

範例 10.1 運用 Excel 利用 Data Analysis Plus? 工具來計算檔案Xm10-01的數據，我們可以很輕鬆地得到答案。 點選 Add-In 、 Data Analysis Plus ，與 Z-Estimate: Mean 計算 第10章 估計的介紹 第361頁 範例 10.1 第10章 估計的介紹 第361頁 範例 10.1 這位作業經理估計前置期間的平均需求量介於340.76 與399.56 之間——在發展存貨策略時，他可以使用這個估計值當做輸入。 我們估計前置期間的平均需求量介於340.76與399.56之間，並且這類的估計量有95%正確的機會。意思就是說估計量有5%的機會是不正確的。 附帶一提，媒體通常指稱95% 的數據是「20 次中的19 次」，它強調信賴水準的長期觀點。 詮釋 第10章 估計的介紹 第362.366頁 詮釋信賴區間估計值 有些人錯誤地詮釋範例10.1 的信賴區間估計值為：有95% 的機率母體平均數會落在340.76 與399.56 之間。 這項詮釋是不適當的，因為它暗示著母體平均數是一個變數從而我們可以對它做機率的描述。 事實上，母體平均數是一個固定但未知的數量。因此，我們不能詮釋 μ 的信賴區間估計值為 μ 的一個機率描述。 第10章 估計的介紹 第362頁 詮釋信賴區間估計值 為了適當地解說信賴區間估計值，我們必須記住信賴區間估計量由樣本平均數的抽樣分配所導出。 我們使用抽樣分配對樣本平均數做機率的描述。 雖然形式已經改變，信賴區間估計量也是樣本平均數的一個機率描述。 第10章 估計的介紹 第362.363頁 詮釋信賴區間估計值 它說明有 1 - α 的機率，樣本平均數將會等於一個數值，使得 到 的區間會包括母體平均數。一旦樣本平均數被計算出來，該區間成為母體平均數的區間估計值的下限與上限。 第10章 估計的介紹 第363頁 舉例而言，假設我們想要從投擲一顆公正骰子的結果，估計其分配的平均值。 因為我們知道它的分配，我們也知道 μ = 3.5 和 σ = 1.71。 假設現在我們只知道 σ = 1.71，而 μ 是未知的，而且我們想要估計它的值。 為了估計 μ，我們選取樣本大小 n = 100 並且計算 。μ 的信賴區間估計量是 詮釋信賴區間估計值 第10章 估計的介紹 第363頁 投擲一顆公正的骰子無限多次 母體是藉由投擲一顆公正的骰子無限多次產生， 隨機變數 X 是指任何一次投擲骰子所出現的點數。 隨機變數 X 的機率分配如下： 母體平均數與變異數的計算為： 第9章 抽樣分配 第321頁 詮釋信賴區間估計值 90% 的信賴區間估計量是 第10章 估計的介紹 第363頁 詮釋信賴區間估計值 這個符號的意思是，如果我們從母體中重複選取大小為 100 的樣本， 90% 的 值將使得 μ 被包含在 與 而 10% 的 值將產生不包括 μ 的區間。 現在，想像我們抽出 40 個各含100 個觀測值的樣本。 的值與所得到的 μ 的信賴區間估計值呈現在表 10.2。 第10章 估計的介紹 第363頁 詮釋信賴區間估計值 95% 的信賴區間估計量是 第10章 估計的介紹 第363頁 看見統計 – 100個樣本(n=100)的 所建立的95％信賴區間 P365簡短應用程式15：平均數的區間估計 資訊與區間寬度 一個寬的區間提供很少的資訊 例如，我們以 95% 的信心估計會計師的平均起薪介於$15,000 與 $100,000之間。 與此相比較: 以 95% 信賴區間估計會計師平均起薪介於$42,000 與 $45,000之間。 第二個估計是窄了很多，可提供會計系學生有關平均起薪更精確的資訊。 第10章 估計的介紹 第366頁 資訊與區間寬度 信賴區間估計值的寬度是信賴水準(confidence level) 、母體標準差(population standard deviation)與樣本大小(sample size)的函數。 較大的信賴水準（1-α）， 意味著較寬的信賴區間。 Estimators.xls 第10章 估計的介紹 第366.367頁 信賴區間估計值的寬度是信賴水準(confidence level) 、母體標準差(population standard deviation)與樣本大小(sample size)的函度。 較大的σ(標準差) 意味著較寬的 信賴區間。Estimators