统计学课件Inferent statistics of quantitative data.pdfVIP

Sampling error and t distribution 抽样误差和 t 分布 抽样误差的概念 由抽样引起的样本统计量与总体参数间的差异 两种表现形式 –样本统计量与总体参数间的差异 –样本统计量间的差异 抽样误差产生的条件 抽样研究 个体变异 均数的抽样误差及标准误 表现一：样本均数与总体均数之差值 表现二：多个样本均数间的离散度 中心极限定理(central limit theorem) 从均数为µ、标准差为σ的总体中独立随机抽样，当样 本含量n增加时，样本均数的分布将趋于正态分布， 此分布的均数为µ，标准差为σX 。 σ σ X n 标准误(standard error，SE) ， 样本统计量的标准差称为标准误，用来衡量 抽样误差的大小。 样本均数的标准差称为标准误。此标准误与 个体变异σ 成正比，与样本含量n的平方根成 反比。 实际工作中，σ 往往是未知的，一般可用样本标准差 s代替σ ： s s X n 因为标准差s随样本含量的增加而趋于稳定，故增加 样本含量可以降低抽样误差。 中心极限定理表明，即使从非正态总体中随机抽样， 只要样本含量足够大，样本均数的分布也趋于正态分 布，见图５.1 。 图５.1描述了来自不同总体的样本均数之抽样误差和 抽样分布规律。事实上，任何一个样本统计量均有其 分布。统计量的抽样分布规律是进行统计推断的理论 基础。 标准差与标准误的联系和区别 联系 –都是变异指标。S反映个体观察值的变异；反映统 计量的变异。 –当n不变时，标准差↑，标准误↑ s s X n 区别 s s X 意义 描述原始数据的离散程度， 反映抽样误差的大小， 衡量均数对原始数据的代表性 衡量样本均数估计总体均数的可靠性 计算 直接法、加权法 s s X n 与均数的关系s 越小， 对样本数据的代表性好 X s 越小， 估计µ的可靠性大 X