总体比例的假设检验 总体均数的估计与假设检验的基本原理.docVIP

总体比例的假设检验 总体均数的估计与假设检验的基本原理 总体均数的估计与 假设检验的基本原理 主要内容 抽样误差和标准误 t变换和t分布 均数的可信区间 假设检验的基本原理 统计分析 统计描述 统计推断 – 参数估计 – 假设检验 总体（population） 总体：根据研究目的所确定的性质相同的所 有观察单位的某种变量值的集合。 – 如：调查某地1999年正常成年男子的红细胞数， 则观察对象是该地1999年正常成年男子，总体就 是该地1999年正常成年男子的血红细胞数。 总体分为： – 有限总体（finite population)：有确定的时间、空 间和观察单位数。 – 无限总体（infinite population) ：没有确定的时间 和空间限制，观察单位数为无限。 样本（sample） 样本：从总体中随机抽取的部分观察 单位的某个变量值所组成的集合。 抽样的目的：用样本信息来推断总体 特征，要保证样本的可靠性和代表 性，使样本能够充分地反映总体的真 实情况。这就要求严格遵循随机化的 原则，并保证足够的样本含量。 均数抽样误差 由于抽样而造成的样本统计量和总体参数之 差称为抽样误差（sampling error)。 由于抽样而造成的样本均数和总体均数之差 称为均数抽样误差，抽样误差是抽样研究固 有的特点，是不可避免的。 抽样误差的分布有一定的规律性，并且可以 通过一定的方法来估计。 N（μ,σ2） （μ,σ2） n n x N (μ x ,σ ) 2 x x 中心极限定理 (Central Limit Theorem) 从正态总体N（μ,σ2）中，随机抽取例数 为n的样本，样本均数 x 也服从正态分布，即 使是从偏态总体中抽样，当n足够大时，样 本均数的分布仍然服从正态分布，样本均数 的均数μ x = μ ，标准差为σ x 。 ? n ? ? ∑ xi ? 1 ? n ? 1 n i =1 ? ? = × E? x ? = × E( x ) = 1 × (n × μ ) = μ Ex =E ? n ? n ?∑ i ? n ∑ i n i =1 i =1 ? ? ? ? () N（μ,σ2） n 样本1 n 样本2 n …… …… n 样本k x1 x2 xk x 1 x 2 …… x k x μ σx 标准误(standard error) σ x 是样本均数的标准差称为均数标准误 （简称标准误），它反映了样本均数与 总体均数之间的接近程度，常用以说明 均数抽样误差的大小。 标准误的计算： σx = σ n n ? 1 ? ? 1 ? n Var ( x) = Var ( i =1 ) = ? 2 ? × Var (∑ xi ) = ? 2 ? × ∑ Var ( xi ) n ?n ? ? n ? i =1 i =1 i ∑x n Var( xi ) = σ 2 1 1 2 2 2 2 σ2 Var( x) = 2 × σ + σ + L + σ = 2 × nσ = n n n ( ) ( ) σx = σ n 均数标准误 在实际工作中，总体标准差σ常是未知的而 σ 是用样本标准差s来代替σ， x 的估计值记 作 sx 。 sx = s n 例：某地成年男子红细胞数的抽样调查， n=144 人 ， x = 5 . 3 8 × 1 0 1 2 / L，s =0.44×1012/L，求其标准误。 sx = s = 0.44 / 144 = 0.037 × 1012 / L n 标准误 的用途 标准误是反映样本均数变异程度的指标，常 用来表示抽样误差的大小。标准误大反映样 本均数抽样误差大，其对总体均数的代表性 差；标准误小，样本均数抽样误差就小，其 对总体均数的代表性就好。 标准误可用于计算总体均数的可信区间，也 是进行假设检验的基础。 标准差和标准误的区别 标准差 意义 用途 计算 描述了个体值之间的变异程 度，即观察值间的离散度。 标准误 反映了抽样误差的大小，即样本均 数和总体均数之间的接近程度。 可结合均数估计正常值范围。 可用于估计总体参数的可信区间。 Σ( x ? x) 2 s= n ?1 sx = s n 标准差、标准误与样本含量的关系 sx = s n 标准差随着样本量的增多，逐渐趋于稳定。 标准误随着样本量的增多而减小，如均数的 标准误，当标准差不变时，与样本量的平方 根呈反比。 当样本含量趋近于总体例数时，则样本标准 差趋于稳定，近似等于总体标准差；标准误 则趋近于0，抽样误差几乎消失。 标准差、标准误与样本含量的关系 例：某年龄段正常成年女性的体重服从 N（51，52）（单位为kg），从该总体中随 机抽取例数n为50的样本。 x＝52.8kg s = 5.87 s x = 0.830