第四章抽样误差区间估计.ppt

3个抽样实验结果图示 抽样实验小结 中心极限定理 central limit theorem t分布的特征 ①以0为中心，左右对称的单峰分布； ②t分布曲线是一簇曲线，其形态变化与自由度的大小有关。 自由度越小，则t值越分散，曲线越低平； 自由度逐渐增大时，t分布逐渐逼近Z分布(标准正态分布)；当趋于∞时，t分布即为Z分布。 t分布曲线下面积（附表2） 例4-2 第四节 方差的抽样误差与可信区间 第五节 率的抽样误差与可信区间 一、 率的抽样误差与标准误 标准误的计算 二、 总体率的可信区间 2. 查表法 * * 第四军医大学卫生统计学教研室 * 医疗等本科班《医学统计学》 Dr. 宇传华 制作 第四章 抽样误差与区间估计 第一节 均数的抽样误差与标准误 100份样本的均数和标准差 将这100份样本的均数看成新变量值，按第二章的频数分布方法，得到这100个样本均数得直方图见图4-1。 图4-1 随机抽样所得100个样本均数的分布 100个样本均数的抽样分布特点： ① ② 100个样本均数中，各样本均数间存在差异，但各样本均数在总体均数周围波动。 ③样本均数的分布曲线为中间高，两边低，左右对称，近似服从正态分布。 ④样本均数的标准差明显变小： 即样本均数的标准差，可用于衡量抽样误差的大小。 因通常σ未知，计算标准误采用下式： 标准误(standard error, SE) 通过增加样本含量n来降低抽样误差。 表4-1计算了100个样本的标准差S，由此可计算每一样本的抽样误差大小。 均数的均数围绕总体均数上下波动。 均数的标准差即标准误 与总体标准差 相差一个常数的倍数，即 样本均数的标准误（Standard Error) =样本标准差/ 从正态总体N(m,s2)中抽取样本，获得均数的分布仍近似呈正态分布N(m,s2/n) 。 ①即使从非正态总体中抽取样本，所得均数分布仍近似呈正态。 ②随着样本量的增大, 样本均数的变异范围也逐渐变窄。 第二节 t 分布(t-distribution) 随机变量X N（m，s2） 标准正态分布 N（0，12） Z变换 均数 标准正态分布 N（0，12） Student t分布 自由度：n-1 图4-2 不同自由度下的t 分布图 t 界值表 （P406，附表2） 1.812 2.228 -2.228 t f (t) ν=10的t分布图 双侧t0.05/2，9＝2.262 ＝单侧t0.025，9 单侧t0.05，9＝1.833 双侧t0.01/2，9＝3.250 ＝单侧t0.005，9 单侧t0.01，9＝2.821 双侧t0.05/2，∞＝1.96 ＝单侧t0.025，∞ 单侧t0.05，∞ ＝1.64 总体均数的点估计（point estimation）与区间估计（interval estimation） 参数的估计 点估计：由样本统计量 直接估计 总体参数 区间估计：在一定可信度（Confidence level） 下，同时考虑抽样误差 第三节 总体均数的可信区间估计 按预先给定的概率(1??)， 确定一个包含未知总体参数的范围。这一范围称为参数的可信区间或置信区间(confidence interval,CI) (1??)称为可信度或置信度（confidence level），常取95％。 置信区间通常两个数值即置信限(confidence limit，CL)构成， 较小的称为置信下限（lower limit，L）， 较大的称为置信上限（upper limit，U）， 一、置信区间的有关概念 二、总体均数置信区间的计算 s未知，且 n较小，按t分布 s已知，或s未知但n足够大，按Z分布 单一总体均数的置信区间 两总体均数的置信区间 （一）单一总体均数的置信区间 Z0.05/2=1.96 Z0.05=1.645 Z0.05/2=1.96 Z0.05=1.645 三、可信区间估计的优劣 ??一是可信度1??（准确度），愈接近1愈好，如99%的可信度比95%的可信度要好； 二是区间的宽度（精密度），区间愈窄愈好。当样本含量为定值时，上述两者互相矛盾。 在可信度确定的情况下，增加样本含量可减小区间宽度。 四、总体均数可信区间与参考值范围的区别 卡方界值见P407附表3 一、率的抽样误差与标准误 二、总体率的可信区间 样本率(p)和总体率(π)的差异称为率的抽样误差(sampl