研究生统计学第三章总体均数估计与假设检验(4版).pptVIP

第三章总体均数估计与假设检验 桂立辉 新乡医学院公共卫生学院 第三章总体均数估计与假设检验 均数的抽样误差与标准误 t 分布 总体均数的估计 假设检验的基本原理和步骤 t 检验 假设检验的注意事项 正态性检验和两样本方差比较的F检验 参数估计基础 统计学研究的目的通常是要了解总体的情况。如果要了解总体情况，有两种方法： 全面研究 抽样研究 全面研究在许多情况下难以办到，因此，常用的方法是抽样研究，即从同质总体中随机抽取一部分观察单位作为样本，并由样本信息(包括样本变量值的分布及其用于描述的统计量)来推断总体情况，即统计推断(statistical inference)。 第一节 均数的抽样误差和标准误 由于所研究变量在总体中各观察单位（个体）间存在变异，抽样研究必然会导致抽样误差(sampling error) 。 抽样误差是不可避免的，但我们可以探究抽样误差的规律，控制抽样误差在允许的范围内。 第一节 均数的抽样误差和标准误 为探讨抽样误差的规律，我们做一个放回式随机抽样实验。假设某年某地13岁女学生身高（X）服从总体均数μ=155.4cm，总体标准差σ=5.3cm的正态分布N（155.4，5.32）。每次抽取的30例构成一个样本，并计算出样本均数。 如此共抽取100个样本，计算得到100个样本均数。 表5-1 从正态总体N(155.4, 5.32)随机抽取100份样本(n=30)的算术均数 对100个样本均数组成的数据资料进行统计描述，结果： 图5-1 100个样本均数的频数分布图 第一节 均数的抽样误差和标准误 从一个总体均数为μ ，标准差为σ 的总体中，随机抽取若干个含量为n 的样本。那么，这若干个样本的均数不会完全相同，其频数分布是以总体均数μ为中心的正态分布，其变异程度可用这若干个样本均数的标准差表示，称样本均数的标准误(standard error)。 第一节 均数的抽样误差和标准误 在前述放回式随机抽样实验中，已知总体标准差σ=5.3cm，每次抽样的样本含量n=30，代入公式得： 样本均数的分布 不同n样本均数的分布 增大样本量对标准误的影响（? =5.3） 第一节 均数的抽样误差和标准误 实际工作中，往往不知道? ，因此，通常用样本标准差s 来代替? ，得到均数标准误的估计值： 第一节 均数的抽样误差和标准误 均数标准误的用途： 衡量样本均数的可靠性； 标准误愈小，说明样本均数与总体均数越接近，即抽样误差越小，用样本均数推论总体均数的真实性越好。反之，标准误越大，抽样误差越大，样本均数对总体均数的代表性越差。 估计总体均数的置信区间； 用于均数的假设检验。 第二节 t 分布 一、 t 分布的概念 对于任一正态分布X~N(? , ?2 ) ，经u变换后都可以变成标准正态分布N(0 ,1)。 随机抽取若干个含量为n 的样本，这些样本均数的频数分布是以总体均数μ为中心的正态分布，其标准差为 ，即 ~N(? , 2 )如果进行u变换，同样可以变成标准正态分布N(0 ,1)。 第二节 t 分布 实际上 往往未知，故用 作为 的估计值，这时可以对样本均数作 t 变换： 第二节 t 分布 二、t 分布的图形和t 分布表 对前述13岁女学生身高总体，分别做n=3和n=50的随机抽样，各抽取1000个样本，并分别计算得到1000个样本均数和标准误。然后，分别做t变换，将t值绘直方图如图5-2。 第二节 t 分布 二、t 分布的图形和t 分布表 t 分布与u 分布一样，都是以0为中心，但t分布不是1条曲线，而是无数条曲线。 t 分布的形态（峰度）随抽样样本量（严格地说是自由度n -1）而变化，自由度越小，曲线越低平，随着自由度增大，t 分布逐渐接近于标准正态分布，当自由度为无穷大时，t 分布与 u 分布完全重合。 图5-3 不同自由度的t 分布曲线 第二节 t 分布 t 分布与u分布一样，曲线下的面积分布有一定规律：从双侧-t? /2,? 到t? /2,? 所对应的曲线下的面积占曲线下总面积的100(1-α)%。或者，从单侧t?,? 到-∞所对应的曲线下的面积占曲线下总面积的100(1- ?)%。 第二节 t 分布 由于t 分布的形态随自由度而变化，t?也随自由度而变化。不同自由度