样本必须是机样本.pptVIP

2009fall Stat_sample *c.i. Chap10 Sampling distribution (review) 樣本必須是隨機樣本 (random sample)，才能代表母體 Sample mean 是一隨機變數，隨著每一次抽出來的樣本值不同，它的值也不同，但會有規律性 為了要知道估計的精確性，必需要知道樣本平均數的分布 何謂隨機樣本？ sample mean 的平均數、標準差多少? 中心點在那裡？分布的寬度如何？比較寬，或是比較窄？ 定理10.1 証明 sample mean 的分布通常分為三種 case 討論。 * Case1 normal population X~常態，則 aX+b 仍是常態 常態變數之線性組合仍是常態分布 設 X1 , X2 , …, Xn 是一常態隨機樣本， Xi ~N(μ，σ2 ) 定理10.2 Think 樣本平均數分布之中心點為μ 樣本數愈大，樣本平均數愈集中於μ 樣本平均數分布是一常態分布 基本觀念： 血清膽固醇平均數μ=211，標準差σ= 46，隨機抽樣 n=25，測得樣本平均數大於230的機率有多少？ 血清膽固醇平均值小於多少時，其所占比例會低於10%？ 例10.1 例10.2 * 定理10.3 常態母體時， σ未知樣本平均數之分布 註：t 分布正式名稱是 student t-distribution (why?) 設 X1 , X2 , …, Xn 是一常態隨機樣本，N(μ，σ2 ) 。 則下列統計量 t 有一自由度 n-1 的 t-分布。 Case2 normal population, σ unknown (一般情況， σ是未知的) 何謂自由度(degrees of freedom)？為何自由度是 n-1？ T 與 Z有何異同? Think * t 分布 (Student t-distribution) t-分布有何優點？ 何時可使用 t-分布？如何使用？ Think 自由度(degrees of freedom)γ是 t-分布的參數。 t 分布自由度 γ，可記作 t( γ)。 t 分布p.d.f. 的圖形是一對稱於0 的山丘形曲線。 自由度 γ是一形狀參數， γ值愈大，t 分布的圖形愈集中， 也愈接近標準常態。 當自由度接近無限大， t 分布接近標準常態分配， t 分布 與 Z 分布 兩者皆對稱於 0 T 分布是長尾分布 自由度愈大，t分布愈接近 Z 分布 右尾機率 0.025時，z-值是1.96，t-值大於1.96 tα值查表II，P(Ttα)=α 樣本數 n=25時，t0.025 = ? 代表何意為何？ 例10.3 例10.4 樣本數 n=16，s=2，求 * 10.2 中央極限定理 (Central Limit Theorem) 樣本平均數分布之形狀接近鐘形 * 樣本平均數分布的形狀接近鐘形，而且樣本數愈大愈像，此現象可由統計學上最重要的定理，”中央極限定理”來解釋 樣本平均數的mean 為μ，standard deviation 為 σ /√n 當 n 很大時，Z 接近一標準常態分布 此一結果與前面 case1 的結果有何異同 ? Think * 註 : 通常 n 30 時為大樣本。 中央極限定理 此定理的條件有那些? Z 的轉換式有何意義? 何時用中央極限定理? Think 定理10.4 * 整理 樣本平均數之 mean = μ，標準差 = σ /√n Case 1： Normal sample, σ known 樣本平均數遵循一常態分布 Case 3：Large Sample 樣本平均數接近一常態分布 Case 2： Normal sample, σ unknown 樣本平均數 t 化後，遵循一 t-分布