总体均数的估计课件.pptVIP

叶小华 * Health statistics 医学统计学 总体均数的估计 * 统计推断 由样本信息对相应总体的特征进行推断 统计推断包括：参数估计 假设检验 * 计量资料的参数估计基础 样本均数的抽样误差 t分布 总体均数的估计 * μ＝119.41cm σ= 4.38cm 估计全国七岁男童的平均身高 总体参数 样本统计量 * 抽样误差的概念 由于个体变异的存在，在抽样过程中产生的样本统计量与总体参数间的差异。 两种表现形式： 样本统计量与总体参数间的差异 样本统计量间的差异 * 抽样误差的特点 抽样误差是不可避免的！ 抽样误差是有规律的！ * 均数的抽样误差 中心极限定理（1） 从正态分布总体N(μ,σ) 中随机抽样(每个样本的含量为n)，可得无限多个样本，每个样本计算样本均数，则样本均数也服从正态分布。 样本均数的均数为 μ; 样本均数的标准差为 或 样本均数 的标准误 均数的抽样误差 中心极限定理（2） 从非正态分布总体(均数为μ，标准差为σ)中随机抽样(每个样本的含量为n)，可得无限多个样本，每个样本计算样本均数，则只要样本含量足够大(n50),样本均数近似正态分布。 样本均数的均数为 μ; 样本均数的标准差为 或 * 均数标准误(standard error) 样本统计量的标准差称为标准误。 样本均数的标准差称为均数的标准误，反映样本均数的变异程度，反映样本均数抽样误差大小。 * 2000年某研究者随机调查某地健康成年男子27人，得到血红蛋白量的均数为125 g /L，标准差为15 g /L。试估计该样本均数的抽样误差。 = = = 12.24 89g /L * 正态分布的标准化变换 * t分布的概念 实际工作中，总体方差一般未知，用样本方差代替，此时： * t分布 设从正态分布N(?,?2)中随机抽取含量为n的样本，样本均数和标准差分别为 和s，设： ~ t分布， ? = n ? 1 则t值服从自由度为n-1的t分布(t-distribution)。 t变换 * f(t) ? =∞（标准正态曲线） ? =5 ? =1 0.1 0.2 -4 -3 -2 -1 0 1 2 3 4 0.3 图3.2 自由度分别为1、5、∞时的t分布 * t分布的特征 单峰分布，曲线以0为中心，左右对称类似于标准正态分布。 t分布的形状与自由度?有关 自由度越小，则 越大，曲线越“扁平” ； 自由度越大，则 越小，曲线越“瘦高” ； 当自由度为无穷大时，t分布曲线与标准正态分布曲线完全吻合，故标准正态分布是t分布的特例。 * -t t 0 Page195 * t界值释义 双侧t0.05/2, 9＝2.262 表明：从正态分布总体中抽取样本含量n=10的样本，则由该样本计算的t值大于等于2.262的概率为0.025，小于等于-2.262的概率亦为0.025。 P(t≤-2.262)+P(t≥2.262)＝0.05 或：P(-2.262t2.262)=1-0.05=0.95。 * 总体均数的估计 点估计（Point Estimation) 区间估计 (Interval Estimation) * 点估计 样本统计量 总体参数 用样本均数 作为总体均数 的点估计值 * 例5-1 2000年某研究所随机调查某地健康成年男子27人，得到血红蛋白的均数为125g/L，标准差为15g/L 。 即认为2000年该地所有健康成年男性血红蛋白量的总体均数? 为125 g /L 。 点估计 * 点估计的缺陷 μ=?cm σ=?cm x1,x2,x3,x4…… N =143.3747 S = 5.2347 x1,x2,x3…x10 =144.0681 S = 4.7245 x1,x2,x3…x10 =142.7203 S= 9.2473 x1,x2,x3…x10 样本含量n =10 * 参数估计之二：区间估计 区间估计：结合样本统计量和标准误可以确定一个具有较大可信度（ 1?? ）的包含总体参数的区间，该区间称为总体参数的1?? 可信区间（confidence interval , CI）。习惯上取95%的可信度。 *