总体均数估计-sms课件.pptVIP

置信区间的计算 总体均数的估计 图4-7 总体均数μ的单侧(1-?)置信区间 （一） 已知,或样本数量大(n30) 例：在某地随机抽查成年男子140人，计算得红细胞均数4.77×1012/L，标准差0.38 ×1012/L ，试计算均数的标准误？ 标准误（Standard Error） 根据中心极限定理，即使样本统计量所来自的总体不服从正态分布，当样本含量n足够大时，样本均数也近似地服从正态分布。可由公式作标准正态变换 如果样本均数 的分布服从一般正态分布 或 ，则 Z 分布 ~Z分布 z 0 z1 0 z2 1- Z分布 图中阴影部分的面积[表示标准正态变量Z落在（-∞, z）内的概率]即为分布函数 的值 标准正态分布的概率密度曲线与分布函数示意图 1、t分布的概念： 为了应用方便,对正态变量X进行z变换后，可使一般的正态分布N(?,?2)变换为标准正态分布N(0,1) 样本均数( )的分布服从正态分布 ，同理，对正态变量进行z变换后，也可使正态分布变换为标准正态分布N(0, 1) t 分布 总体标准差s 在实际研究中通常未知，若用样本标准差S来代替总体标准差s ，则有 不再服从 z分布，而是服从t分布，记为 t 分布 其中n为自由度，自由度决定了t分布的形状 William Sealey Gosset (1876.6—1937.10) t 分布 英国统计学家Gosset于1908年以笔名“Student”发表了一篇论文，提出了t分布的理论 因此t分布又称为学生氏t分布（Student’ s t-distribution） 由于实际工作中，?往往是未知的，常用S作为?的估计值，此时就不是统计量z而改为统计量t，即t分布 t分布的发现，开创了小样本统计推断的新纪元 t分布主要用于总体均数的区间估计及t检验 t 分布 标准正态分布 不同自由度t分布的概率密度曲线 t 分布 对于不同的自由度，t分布有不同的概率密度曲线 t分布特点： （1）t 分布的密度曲线呈单峰，曲线在 处最高，并以 为中心左右对称。t 值可以是正数，也可以是负数。 （2）与标准正态分布相比，曲线最高处较矮，两尾部较高。 （3）t 分布的概率密度曲线是一簇曲线，其形态变化与自由度的大小有关，自由度一旦确定，则其概率密度曲线的形状也就确定。自由度越小，则t值越分散，曲线越低平，尾部越高；随着自由度的增大，t分布曲线逐渐逼近标准正态分布曲线，t分布的极限分布为Z分布（即标准正态分布）。 标准正态分布 t 分布 -1.833 t 分布 t 界值表 (p174) 该表的横标目为自由度?，纵标目为概率P，表中数值为其相应的t界值，记作t?,? (?为检验水准) 阴影部分表示t?,?以外尾部面积占总面积的百分数，即概率P t 分布是以0为中心的对称分布，表中只列出正值，不管t值正负只用绝对值 t分布界值表（附表2_174 -175页 ） 横标目：自由度， υ 纵标目：概率，P , 即曲线下阴影部分的面积; 表中的数字：相应的 |t | 界值。 t?/2 , ? -t?/2 , ? Student’s t Table Upper Tail Area df .25 .10 .05 1 1.000 3.078 6.314 2 0.817 1.886 2.920 3 0.765 1.638 2.353 t 0 2.920 The body of the table contains t values, not probabilities Let: n = 3 df = n - 1 = 2  ? = 0.10 ?/2 = 0.05 ?/2 = 0.05 t distribution values With comparison to the Z value Confidence t t t Z Level (10 d.f.) (20 d.f.) (30 d.f.) ____ 0.80 1.372 1.325 1.310 1.28 0.90 1.812 1.725