第四章_抽样与抽样估计.pptVIP

第四章 抽样与抽样估计 第一节 抽样推断基础 第二节 抽样分布 第三节 抽样估计的基本方法 学习目标 了解抽样和抽样分布的基本概念 理解抽样分布与总体分布的关系 了解点估计的概念和估计量的优良标准 掌握总体均值、总体比例和总体方差的区间估计 掌握样本容量的确定 第一节 抽样推断基础 一. 概率与概率分布 二. 抽样调查中的基本概念 1、 总体、个体和样本 2、统计量 3、抽样误差 一、概率与概率分布 1、随机事件与概率 2、随机变量 3、正态分布 1、随机事件与概率 随机现象的特点是：在基本条件不变的情况下，一系列的试验或观测会得到不同的结果，并且在试验或观测前不能预见何种结果将出现。与随机现象相对应的是决定性现象。 概率的定义 概率就是指随机事件发生的可能性，或称几率，是对随机事件发生可能性的度量。 从不同的角度概率有不同的定义，其主要定义有：统计定义、古典定义、主观定义。 概率的统计定义 概率的统计定义：进行n次重复试验，随机事件A发生的次数是m次，发生的频率是m/n，当试验的次数很大时，如果频率在某一数值p附近摆动，而且随着试验次数n的不断增加，频率的摆动幅度越来越小，则称p为事件A发生的概率，记为：P（A）=p。 由于频率取值在0~1之间，因此0≤p≤1。 概率的古典定义 如果某一随机试验的结果有限，而且各个结果在每次试验中出现的可能性相同，则事件A发生的概率为该事件所包含的基本事件个数 m 与样本空间中所包含的基本事件个数 n 的比值，记为 主观概率定义 对一些无法重复的试验，确定其结果的概率只能根据以往的经验人为确定 概率是一个决策者对某事件是否发生，根据个人掌握的信息对该事件发生可能性的判断 随机变量 随机变量是一次试验的结果的数值性描述。它是为便于数学方法来分析随机现象而对随机试验的结果进行的量化处理。 根据取值情况的不同可以将随机变量分为离散型随机变量和连续型随机变量。 离散型随机变量的概率分布一般用表格统一表示出来： 连续型随机变量概率分布 连续型随机变量的概率分布用分布函数来表示，F(x)=p(Xx)，通过它可以求概率。分布函数的导数为密度函数p(x)，对密度函数积分，可以得到随机变量X在点x附近或在一个区间上的取值的概率。 1、密度函数曲线下的面积等于1 2、分布函数是曲线下小于 x0 的面积 随机变量分布特征 描述随机变量分布特征的主要指标有数学期望和方差。 期望是以概率为权数的加权算术平均数，常用E（X）或X表示。 随机变量的方差是随机变量与其数学期望的离差平方的数学期望，即标准差的平方，常用D（X）或??表示。 3、正态分布 正态分布是最重要的一种连续型随机变量分布 。 正态分布的密度函数是 正态分布密度函数图形是以?为中心的对称钟形曲线。 标准正态分布 若一个正态分布的 ,则称该分布为标准正态分布 ，记为：Z ~ N（0，1）。相应的分布密度函数为 ： 2、任何一个一般的正态分布，可通过下面的线性 变换转化为标准正态分布： 即若X~N(? ，?? )，则 一般正态分布与标准正态分布的联系 大数定理与中心极限定理 大数定理是样本平均估计总体平均的理论依据。由于从总体中抽出的样本是独立且与总体同分布的，因此，当样本容量n充分大时，样本平均与总体平均之间的误差可以有很大把握被控制在任意给定的要求之内，所以可以用样本平均估计总体平均。 2、(1)中心极限定理的基本思想是：从直观上看，如果一个随机变量决定于大量乃至无穷随机因素的总和，其中每个随机因素的单独作用微不足道，而且各个因素的作用相对均匀，则称该随机变量服从或近似服从正态分布 。 大数定理与中心极限定理 (2)从中心极限定理可以得出一个重要结论：无论总体服从何种分布，只要它的期望值和方差存在，则从该总体中相互独立地随机抽取容量为n的样本，则样本平均数也是随机变量，当n足够大时（一般要大于30），该样本平均数近似地服从数学期望为 ,方差为 的正态分布。 即: 统计量 样本指标又称样本统计量或估计量，是根据样本 资料计算的、用以估计和推断相应总体指标的综 合指标。 常用的样本统计量有： 1、样本平均数（均值）： 2、样本方差 ： 样本标准差 ： 3、未修正样本方差 ： 未修正样本标准差： 注意： （1）统计量只依赖于样本，而不包含任 何未知参数。 （2）由于样本具有随机性，统计量属于随机变