-精选版医药数理统计课件.pptVIP

样本方差、标准差、变异系数（相对标准差） 注意：分母为n-1。由于样本方差中的均数是样本的，是总体的一部分，其离差平 方和一定变小，所以若以n为分母，S2一般比总体方差小（有偏估计）。而分母改 为n-1后，经数学证明，S2总在总体方差周围波动（无偏估计），另外，S2 的自 由度正好是n-1。 样本的标准误 SD与SE的区别：SD是描述个体观察值变异程度的大小，样本标准差越小，样本均 数对一组样本观察值的代表性就越好；SE是描述样本均数变异程 度和抽样误差的大小，样本标准误越小，用样本均数估计总体均 数可靠性就越高。 * 在实际中，一般用样本标准差与样本均数结合，用于描述样本观察值的分布范 围；样本标准误与样本均数结合，用于估计总体均数可能出现的范围。 第3节 抽样分布 统计量是样本随机变量的函数，也是一个随机变量，因而也有自己的概率分布， 这种统计量的分布叫做抽样分布。 以下介绍几种在已知总体为正态分布条件下，常见统计量的抽样分布。 1.样本均数的u分布 这说明样本均数的期望与总体的期望相等，而方差为总体方差的1/n倍。可见，用 样本均值估计总体均值无系统偏差，且n越大越精确。 * 样本均值分布的应用: 其标准化随机变量u主要用于单正态总体、方差已知、小样本条件下数学期望的u检验。 * 2.?2分布(卡方分布) 设X1,X2,…,Xn相互独立,都服从N(0,1),则称随机变量： 所服从的分布为自由度为n的?2分布，记为?2～?2(n)。 自由度：指统计量中独立变量的个数。计算公式为df=n-k，n为样本容量，k为约 束条件个数。如统计量 ，变量独立无约束条件，所以自由 度为n。而样本方差 ，其中有n个变量 ，但 这说明变量间有一个约束条件，所以其自由度为n-1. 性质：(1)一种非对称分布。当n较大时，曲线近似对称，趋于正态分布。 (2)一个以自由度n为参数的分布族， 自由度n决定了分布的形状，对于 不同的n有不同的分布。 (3)均值为n，方差为2n。 * 定理：若X1，X2…Xn为正态总体 的一个样本，则有 3.t分布 设X～N(0,1),Y～?2(n),且X与Y相互独立，则称随机变量 所服从的分 布为自由度为n的t分布，记为t～t(n)。 性质：(1) t分布是对称分布，与标准正态分布相比，t分布的中心部分较低，2个尾部较高。 (2)均值为0, 方差为n/(n-2)。 (3)当样本容量n较小时，t分布的方差大于1；当n逐渐增大时，t分布的方差就接近1，t分布也就趋近于标准正态分布。 * t分布是统计学中十分重要的分布，应用最为广泛，其应用的依据是下面2个定理： (1) 设X1，X2…Xn为正态总体 的一个样本，则 (2) 设X1，X2…Xn1和Y1，Y2…Yn2分别是从同方差的总体 和 中所抽取的样本，它们是相互独立，则 其中， S1和S2分别是这两个样本的标准差。 * 4.F分布 设X~ ?2(n1), Y～?2(n2), X与Y相互独立，则称统计量 为服从自由度 n1和n2的F分布，记为F～F(n1,n2)。 n1为分子随机变量X的自由度,称为分子自由度，n2为分母随机变量Y的自由度，称为分母自由度。 性质:(1) 非对称偏左侧的分布；当n较大时，曲线近似对称，趋于正态分布。 (2)是以自由度n1和n2为参数的分布族，不同自由度决定了F 分布的形状。 概率分布的拟合及其应用不做要求。 * 第4节 总体的参数估计 统计推断：用样本的信息去推断总体的信息。 参数估计：用样本统计量去估计总体参数的大小。 假设检验：用样本统计量大小去推断总体参数是否有差异。 * 1.参数点估计（略） 直接用样本统计量大小代替总体参数。同一总体参数可用多个统计量来估计，衡 量其好坏的指标有三个：无偏性、有效性、一致性。（易出选择题或填空题） 缺陷：(1)点估计值不一定是参数的真值，即使与真值相等也无法肯定这种相等 （总体参数本身是未知的）。 (2)点估计值只是未知参数的一个近似值，没有给出它与真值之间的误差范 围（可靠程度），把握不大。 实例：估计全省18岁女孩的平均身高。若根据实际样本，通过点估计法可能得到 女孩的平均身高估计值为1