第二讲的应用统计.pptVIP

一个水库有多少条鱼，一片森林的木材储蓄量有多少，一批灯管的平均使用寿命是多少，一批产品的合格率是多少，怎样才能知道这些问题的答案？ 问题很简单，你只要从中抽出部分样品，根据样品提供的信息去推断就可以了。这就是用样本推断总体的问题。 统计推断的过程 一、统计推断1.统计推断基本概念 总体：有限总体、无限总体； 样本 ； 统计量：样本的函数。例如样本均值 参数: 总体的数字特征。如均值、标准差 统计推断的任务：通过样本（的统计量）来了解总体的特性（参数）。 为什么需要利用抽样来了解总体： 1） 总体无法得到； 2） 时间或成本不允许； 3） 实验具有破坏性。 2.统计推断的基本思想 1）选用一个概率模型来刻画样本所取自的总体，使用样本对模型的一些特性做出推断（由部分来认识总体） ； 2）由于样本的随机性，需要分析作出的推断犯错误（风险）的可能性的大小。 3.统计推断的内容 1)估计参数 点估计和区间估计 点估计的例子 居民家庭年收入遵从 样本均值和样本方差都是统计量，利用统计量做估计又称估计量。 区间估计 区间估计是在点估计的基础上给出总体参数估计的一个估计范围。这个范围通常是样本的点估计值加减估计误差而得到的。 在区间估计中，由样本统计量所构造的总体参数的估计区间称为置信区间， 1)估计参数（续） 区间估计的例子 用样本均值 估计正态总体的期望 μ，误差范围 有多大，有多大的概率保证μ在得到的区间内。 2)假设检验 假设检验： 样本是否适合所选用的模型？ 例子： 是否可以使用模型N(570,306)来刻画所有居民的家庭年收入？ 思想： 如果该模型是适合的，那么 和570相差很多的可能性（概率）不能太大。 二、随机抽样与简单随机样本 1.有限总体的随机抽样 1) 等概率抽样。 2) 样本 是数值又是随机变量。 3) 有放回抽样：每一个样本抽取的环境相同， 与总体同分布，相互独立。 4) 简单随机样本定义：样本与总体同分布且相 互独立。 5) 无放回抽样：样本抽取的环境各不相同，相 互不独立，不是简单随机样本。 6) 随机样本的抽样方法： 总体分布和样本的例子： 一个箱子中有10000个筹码，其中50%标价5元， 30%标价10元， 10%标价15元， 10%标价30元。 1 从中抽一个容量为30的样本： 2.无限总体的简单随机抽样： 1）特性：抽取一个样本对以后样本无影响，每个样本都和总体同分布，且相互独立； 2）简单随机样本定义：样本与总体同分布且相互独立。（和有限总体定义相同） 3）例子：掷硬币 它是无限总体吗？写出它的分布。 三、抽样分布 1.抽样分布的概念 1)样本是随机变量，样本取值不同，均值 也不同。 也是随机变量 ， 的概率分布称作它的抽样分布。 2)统计量的分布称做该统计量的抽样分布. 3)抽样分布在统计推断中的中心地位。 4)抽样分布取决于总体的分布（模型）以及抽样的方式。 抽样方式 总体分布=====? 抽样分布 2. 样本均值的抽样分布（简单随机样本） 如果总体服从 , 那么简单随机样 本的均值 服从正态分布 。或者 是样本均值 的标准差，又专门 称它为标准误差。 如果总体不见得服从正态, 期望是?， 方差是 ?2+?，在样本容量n非常大的条件下 （n?30），那么简单随机样本的均值 近似 服从正态分布 （中心极限定理）， 或 近似服从标准正态分布 。 一个例子 一种电器元件设计的服务寿命为3000小时，标准