Matlab数学软件在区间估计教学中实验设计.docVIP

Matlab数学软件在区间估计教学中的实验设计 　　摘 要： 区间估计是一种重要的参数估计方法，它既可以用来估计参数，在某些情况下又可以解决假设检验的问题。而传统的教学方法着重于区间估计的数学式理论推导，忽视了该课程在处理问题上与其他数学课程有着很大差异。为此，利用Matlab数学软件进行实验教学，通过编程计算和模拟仿真，对帮助学生掌握区间估计的算法，理解可信区间的涵义，激发学生对数理统计学的学习兴趣，深刻理解统计学的统计思想，都具有良好的作用。 　　关键词： Matlab教学软件 区间估计 可信区间 　　 　　在数理统计的教学中，参数估计是统计推断的一种基本形式，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。其中，区间估计又是一种重要的参数估计方法，它是从点估计值和抽样标准误出发，按给定的概率值建立包含待估计参数的区间。与点估计值相比，区间估计不仅给出了估计值的误差范围，而且指出了以多大的概率，这个区间包含未知参数［１］。因此，区间估计既可以用来估计参数，在某些情况下又可以解决假设检验的问题。可见，学好区间估计对于学生掌握参数估计的知识架构，理解数理统计学的基本思想都是尤为重要的。 　　传统的教学方法着重于区间估计的数学式理论推导，忽视了该课程在处理问题上与学生已学过的其他数学课程有着很大差异，使得学生学习时感到难以掌握［2］，甚至把学习的重点放在理论演算上，而忽略了对其统计学思想的理解。为此，不妨将Matlab软件引入到学生的实验课堂。利用Matlab数学软件解决重复、繁琐的习题演算，并通过实际模拟，对区间估计的范围――可信区间（confidence interval，CI）的统计学涵义给出形象的解释，这样不仅可以提高学生的学习兴趣，而且有助于教师集中精力讲解可信区间的统计涵义，极大提高教学效率。 　　一、区间估计的计算［3］ 　　实验1：以正态分布为例，给出单样本条件下σ已知及σ未知μ时的1-α的可信区间。 　　实验程序：（1）σ已知 　　function muci=zestimate（x，sigma，alpha）%σ已知时μ的CI调用函数% 　　xbar=mean（x）；%样本均值% 　　u=norminv（1-alpha/2??0，1）；%标准正态分布1-α界值点% 　　n=length（x）；%样本量% 　　d=u*sigma/sqrt（n）； 　　muci=［xbar-d，xbar+d］%μ的置信度为1-α的CI% 　　（2）σ未知 　　［mu，sigma，muci，sigmaci］=normfit（x，alpha） 　　muci%μ的置信度为1-α的CI% 　　实例1：随机从一批钉子中抽取16枚，测得长度为（cm） 　　2.142.102.132.152.132.122.132.10 　　2.152.122.142.102.132.112.142.11 　　设钉长分布为正态，求μ的95%的可信区间（1）σ=0.01；（2）σ未知 　　解：（1） 　　?垌 x=［2.14，2.10，2.13，2.15，2.13，2.12，2.13，2.10，2.15，2.12，2.14，2.10，2.13，2.11，2.14，2.11］； 　　?垌 sigma=0.01； 　　?垌alpha=0.05； 　　?垌muci=zesimate（x，sigma，alpha）； 　　muci=2.12012.1299 　　（2） 　　?垌 x=［2.14，2.10，2.13，2.15，2.13，2.12，2.13，2.10，2.15，2.12，2.14，2.10，2.13，2.11，2.14，2.11］ 　　?垌alpha=0.05； 　　?垌［mu，sigma，muci，sigmaci］=normfit（x，alpha）； 　　muci=2.11592.1341 　　可见，利用Matlab数学软件进行区间估计的计算，不仅可以帮助学生掌握区间估计的基本算法，突出教学重点，而且可以省去简单、重复、枯燥的演算，有利于学生将精力放在方法理论和统计思想的学习上，便于引导学生借助软件工具处理统计学的其???实际问题。 　　二、可信区间的统计学意义解释 　　在教学过程中，对于可信区间的统计学涵义解释向来都是学生掌握的重点和难点。一个典型的例子就是关于均数μ的95%可信区间的理解。一种解释为通过一个样本可算得一个μ的95%可信区间，那么说明μ有95%的可能性落在这个区间中；另外一种解释为这个区间有95%的可能性包含了μ。学生通常认为这两种解释是等价的，都是概率为95%，但这两句话所体现的统计随机性却恰恰相反。前者说明可信区间是固定的，μ是随机的；而后者说明μ是固定