均数的抽样误差分布参数估计(PPT).pptVIP

均数的抽样误差，t分布，参数估计Sampling error of mean，t-distribution，parameters’ estimation ;主要内容;概念： 频数分布以均数为中心，左右两侧基本对称，靠近均数两侧频数较多，离均数愈远，频数愈少，形成一个中间多，两侧逐渐减少的对称分布。 是一种连续型分布。又称高斯分布. ;正态分布用N(μ, )表示，其位置与均数有关，形状与标准差有关。 医学现象许多呈正态分布，或近似正态分布：如正常人的生理，生化指标变量，等 ;;正态分布的密度函数：式中μ为均数；σ为标准差；π为圆周率；е为自然对数的底，即2.71828。以上均为常数，仅x为变量。 ;标准正态分布: 为了应用方便，常将式进行变量变换，即：u变换. 所得到的新变量u的分布即为标准正态分布。 u的含义：变量到均数间的距离相当于标准差的倍数。 ;标准正态分布的概率密度函数：;正态分布的特征和分布规律： （1）曲线在x轴的上方，与x轴不相交，当x=μ时，曲线位于最高点。 f(u=0)=0.3989 （2）曲线关于直线x=μ左右对称。 （3）正态分布有两个参数:均数,标准差;标准正态的参数分别为:0, 1 （4）正态分布的面积分布有一定规律。;正态分布;（-1，1），68.27%;单侧概率;请思考：;一、均数的抽样误差和标准误;如何估计抽样误差？ 标准误 standard error，SE 以样本均数为例： SE 越大，均数的抽样误差越大，样本均数与总体均数间的差异越大。;当样本例数一定时，样本均数的标准误与原始数据的标准差成正比；当标准差一定时，标准误与样本含量 n 的平方根成反比。增加样本含量可以减小抽样误差。 与标准差的区别： 标准差：表示一般个体值的离散程度； 标准误：特别说明统计量的离散程度。;再思考一个问题：;标准误的应用;假定2003年汕头市15岁女学生的身高服从均数155.4cm、标准差5.3cm的正态分布。用计算机做抽样模拟试验，从N(155.4, 5.32)的总体中，每次抽出10个数字（样本含量为10），组成一个样本，求出样本均数 、样本标准差 S。 再求得此100个样本均数的均数、样本均数的标准差。;样本均数的标准差是什么？……..;100个样本均数构成一个新的分布，也是正态分布。 即使原分布为偏态分布，当样本含量足够大时，新分布也近似正态分布）。新分布的集中趋势用均数的均数来表示，离散趋势用标准误表示N( , ) 。 各样本均数的均数等于总体均数。 ;正态总体中抽样（样本量5）;二、t 分布（t-distribution);还记得吗？;u转换将正态分布转换为标准正态, N(0, 1)。 同理：将样本均数的分布也可以转换为标准正态分布 。 即： ;实际工作中，总体标准差往往未知，常用S代替σ 计算标准误，因此：为了和u分布区别，就变为： ;均数的分布也是这样;但是，条件发生了变化;t分布曲线;t分布曲线下的面积规律 与标准正态曲线下的面积规律相似： 在某一个自由度下，两侧外部总面积为5%的界限的t值称为t0.05/2(υ),把两侧外部总面积为1%的界限的t值称为t0.01/2(υ)。 因此，中部占95%面积的t值范围： t0.05/2(υ)-- t0.05/2(υ), 中部占99%面积的t值范围： - t0.01/2(υ)-- t0.01/2(υ)。;;当自由度确定时，占一定面积的t界限值，可以查表得出。 例如：查当自由度=20，两侧概率之和为0.05时，对应的t值： t0.05/2（20）=±2.086， 单侧概率为0.05时，对应的t值： t0.05（20）=1.725，;一般， t 0.05/2（v）≥1.96 ，t 0.01/2（v） ≥ 2.58 自由度越小，曲线越低平，t 比1.96，2.58大的多；自由度变大，t接近于1.96，2.58；自由度无穷大，t=1.96，2.58;;使用t值表注意： 同一自由度下, P越小，t值越大；P值相同时，自由度越大，t越小；当自由度无穷大时，t值与u值相等。这也是u分布与t分布的区别。 ;t分布的主要应用： 总体均数置信区间估计； t检验； ;三、总体均数置信区间的估计;置信度（confidence level): 在估计总体均数的置信区间时，如果可能估计错误的概率为α ，那么估计正确的概率为1-α , 即为置信度. 常用: 95%, 99%. 置信区间（confidence interval, CI)根据置信度估计得到的区间，称为置信区间。;为何要进行区间估计？;如何进行区间估计？;2、总体标准差未知，