4-体育统计学第三章节选.pptVIP

方差★ 是各个数据与平均数之差的平方的平均数。在概率论和数理统计中，方差（英文Variance）用来度量随机变量和其数学期望（即均值）之间的偏离程度。在许多实际问题中，研究随机变量和均值之间的偏离程度有着很重要的意义。 二、 变异系数 变异系数概念 标准差，它只能在同一项目的情况下，对不同组的数据进行离差程度的比较，体育运动员中很多项目，它们的单位不同，即使有些项目单位相同，但由于性质不同，我们仍然无法用标准差对它们之间的离散程度进行比较。例如，p37 分析: 变异系数以平均数为单位，用标准差在平均数中占的比重多大来衡量差异程度的指标。变异系数越大，差异程度就越大；变异系数越小，差异程度就越小。当我们在比较两组数据的变异程度时，特别是比较两组以上单位不同或性质不同或均数相差悬殊的数据的离散程度时，往往不能直接用标准差作出相应判断。因此，通常只有取相对差异量数据进行比较才会有实际意义。 变异系数的应用 例，有一位运动员，其主项为100m跑，兼项为跳远。在竞赛期内，其主、兼项目20次测试结果为: 100m： 跳远： 100m： 跳远： 从变异系数分析，100m的CV跳远的 CV ，因此表明该运动员100m跑的成绩比跳远成绩稳定。变异系数是从相对的角度观察差异和离散程度的，在比较相关事物的差异程度时较之直接比较标准差要优越些。 例，某班男生身高平均170cm，标准差15cm；体重平均60kg，标准差8kg。试比较身高与体重的变异情况。 第三节 参数估计 参数估计（parameter estimation）是根据从总体中抽取的样本估计总体分布中包含的未知参数的方法。人们常常需要根据手中的数据，分析或推断数据反映的本质规律。即根据样本数据如何选择统计量去推断总体的分布或数字特征等。 一、参数估计的理论基础 按正态分布理论对参数进行估计。 正态分布的主要特征有： 1.以总体平均数为中心两侧呈对称分布，即样本平均数大于或小于总体平均数的概率完全相等，就是说样本平均数的正离差与负离差出现的可能性完全相等。 2.样本平均数越接近总体平均数，其出现的可能性越大；反之样本平均数越远离总体平均数，其出现的可能性越小。这种可能性数学上称为概率F(t),也就是可靠性。与概率对应的数值称为概率度，即抽样误差扩大的倍数，用字母t表示。概率F(t)与概率度t 的对应函数关系如图4-2所示。 -3t -2t -1t 0 1t 2t 3t 68.27% 95.45% 99.73% F(t) 图4-2 正态分布概率图 图4-2显示样本平均数与总体平均数的平均误差不超过1μ的概率为0.6827,不超过2μ的概率为0.9545,不超过3μ的概率为0.9973。即： 当t =1时，F(t) = 0.6827 当t =2时，F(t) = 0.9545 当t =3时，F(t) = 0.9973 概率度t与概率F(t)的对应关系是：概率F(t)越大，则概率度t值越大，估计的可靠性越高，样本统计量与总体参数之间正负离差的变动范围也越大。对于t每取一个值，概率保证程度F(t)有一个唯一确定的值与之对应。因此人们制定?正态分布概率表?（见书后附页）供大家查找。 二、抽样极限误差 （一）抽样极限误差的概念 用样本统计量估计总体参数会产生抽样误差，两者完全相等的情况几乎是不可能的。抽样极限误差就是指样本统计量和总体参数之间抽样误差的可能范围。由于总体参数是唯一确定的值，而样本统计量是（随机）变量，样本统计量围绕总体参数上下变动，它与总体参数产生正离差称为范围上限，产生负离差称为下限，因此我们将样本统计量变动的上限和下限与总体参数构成的区间范围称为抽样极限误差或允许误差，用“?”表示。 （二）极限误差的计算 在正态分布下，抽样极限误差是t倍的抽样误差，它们之间的数量关系为： 抽样极限误差 = 概率度×抽样误差； 用字母表示