第五章 参数估计基础.pptVIP

第五章 参数估计基础 抽样研究：用样本信息推断总体特征 常用统计推断方法：参数估计和假设检验 本章： 参数估计的基本概念 样本统计量的分布规律； 总体均数和总体概率的估计方法。 第一节 抽样分布与抽样误差 从总体中随机抽取一份样本，计算均数。 这个均数不同于总体均数！为什么？ 再从该总体中随机抽取一份样本，再计算均数。 前后两个均数不等，为什么？ ----抽样误差！ 实验5-1 假定某年某地所有13岁女学生身高服从 总体均数? =155.4cm, 总体标准差? =5.3cm的正 态分布N（?，?2）。在这样一个总体中随机抽 样，每次均抽取30例组成一份样本； 共抽100次； 算出每一份样本的平均身高： 153.6, 153.1, 154.9,····157.7 表5-2 从正态总体N (155.4, 5.32)抽样得到的100个样本 均数的频数分布（ni =30） 1. 各样本均数未必等于总体均数; 2. 样本均数之间存在差异; 3. 样本均数的分布很有规律，围绕着总体均数（155.4cm），中间多、两边少，左右基本对称，也服从正态分布。 4．样本均数的变异较之原变量的变异大大缩小 (见表5-1第3栏)。 若随机变量 X 服从正态分布 ，则 (1) 样本均数的总体均数仍等于原来的总体均 数 ? (2) 样本均数的标准误 实践中， 表示均数抽样误差的指标： 样本均数的标准差 (standard deviation of mean) ，也称为 样本均数的标准误 (standard error of mean, SE或SEM) 从非正态分布重复抽样， 样本均数的分布如何？ 从均数为? ，方差为?2 的一般总体抽样，当样本量 n 较小时，样本均数的分布当然并非正态分布； 实验5-2 图5-1（a）是一个正偏峰的分布，用电脑从中随机抽取样本含量分别为5，10，30和50的样本各1000次，计算样本均数并绘制4个直方图。 (b)n=5 (c)n=10 二、样本频率的抽样分布与抽样误差 实验5.3 样本率样本频率抽样分布的实验 在一口袋内装有形状、重量完全相同的黑球和白球，已知黑球比例为20%（总体概率π=20%）， 从口袋中每摸一次看清颜色后放回去，搅匀后再摸，重复摸球35次（n=35）,　计算摸到黑球的百分比（样本频率p i）; 这样的实验重复100次. 每次得到100个黑球的比例分别为 14.4%, 19.8%, 20.2%, 22.5%,··· 根据二项分布原理，若随机变量 X ~ B（n,?）, 则样本频率 p 的 总体均数为 π 总体标准误为 当总体概率π未知时，可用样本频率 p 近似地代替π， 若增加样本含量n可以减小样本频率的抽样误差。 例5-2 某市随机调查了50岁以上的中老年妇女776人，其中患有骨质疏松症者322人，患病率为41.5%，试估计该样本频率的抽样误差。 第二节 ????? t分布一、t 分布的概念 从正态分布N（?,?2）抽得样本的均数也服从正态分布,记为 N（?, ） 对正态变量作Z 变换，便有 在实际工作中， 未知，采用 一、t 分布的概念 W.S.Gosset(1908)证明 ~ t 分布， ? = n ? 1 又称Student t分布 ( Student’s t-distribution） 理论上，t 分布与自由度? 有关 实验5-4 从前述的13岁女学生身高这个正态总体中分别作样本量为 3和50的随机抽样，各抽取1000份样本，并分别得到1000个样本均数及其标准误。对它们分别作t 变换 , 并将t 值绘制相应的直方图。  二、t 分布的图形和t分布表 附表2: 不同自由度 ? 下的t界值（p.434） 横标目:自由度? ，纵标目:概率P 表中数字:当 ? 和P 确定时，对应的t 临界值 例