第一章绪论四统计推断：估计与假设检验.pptVIP

统计推断：估计与假设检验 §1、估计和假设检验：统计推断的两个孪生分支 §2、 参数估计 §3、 点估计量的性质 §4、 假设检验 统计推断的含义: 我们知道，总体是指我们所关注现象出现的可能结果的全体，样本是总体的一个子集。统计推断研究的是总体与来自总体的样本之间的关系。 一般地说，统计推断是根据来自总体的样本对总体（概率密度函数）的种种统计特征作出判断。 §1、估计和假设检验：统计推断的两个孪生分支 统计推断的主要步骤（举例说明）： 首先，关注某一总体，如纽约股票交易市场的1758支（90年9月4日）股票，想要研究该总体某一方面的统计特征，比如说股票价格与收入比（P/E）的平均值。在总体中抽取随机样本，如50支股票，求样本中每一支股票的P/E值，然后再计算平均P/E值，即 ， 就称为总体平均P/E的估计量（也即E(X)的估计量，E(X)为总体的一个参数）。从而完成统计推断的第一步：参数估计。 其次，判断估计值的“优度”，主要因为估计值很可能不等于真实的参数值。 如果有两个或更多个随机样本，计算这些样本的均值，则得到的估计值很可能不相同。我们把不同样本估计值的差异称为抽样误差，从而引入一些判定估计量优劣的常用标准。 再次，进行假设检验。假设检验是统计推断的另一个重要方面。在假设检验中，可以对某参数的假定值进行先验判断或预期。如以往的经验或专家意见支出1758值股票总体的平均P/E值为12，若随机样本计算出的值为11，则根据假设检验的内容接受假设或者拒绝假设。 §2、 参数估计 点估计：假定随机变量X(P/E)服从某一未知均值和方差的正态分布。并且有来自该正态总体的一个随机样本（50个P/E值），见下表。 如何根据这些样本数据计算总体的均值和方差呢？先假设只关注总体均值?x =E(X)。 根据表中数据，50个P/E的样本均值为11.4，显然我们可以选择11.4作为?x的估计值，称这个单一数值为?x的点估计值，称 计算公式 §3、 点估计量的性质 在P/E一例中，用样本均值作为?x的点估计量，满足了以下性质： ⑴ 线性 ⑵ 无偏性 ⑶ 有效性 ⑷ 最优线性无偏估计量 ⑸ 一致性 3.1 线性 线性估计量：若估计量是样本观察值的线性函数，则称该估计量是线性估计量。 上式看出，样本均值是样本观察值Xs的线性函数，即Xs仅以一次幂的形式出现。 3.2 无偏性 无偏估计量：如果重复使用某种方法，得到的估计量的均值（如E( )）与真实参数值?x一致，该估计量就是无偏估计量。即 3.3 有效性 有效估计量：若仅考虑唯一一个参数估计量，则方差最小的估计量是最好的或称为有效的估计量。 对比样本均值和样本中位数。 假定随机变量X的取值构成一随机样本，样本容量为n，并且每个X~N(?x ，?2)，令 、Xmed分别表示样本均值和样本中位数。已知： ~N(?x ，?2/n) 若样本容量足够大，可以证明， Xmed~N(?x ，(?/2)(?2/n)) 3.4 最优线性无偏估计量 最优线性无偏估计量：如果一个估计量是线性的和无偏的，并且在参数的所有线性无偏估计量中，这个估计量的方差最小，则称这个估计量是最优线性无偏估计量。 显然，该性质包括了线性、无偏性和最小方差性。 3.5 一致性 假定X~N(?x ，?2)，从该正态总体中抽取一容量为n的随机样本。现考虑?x的两个估计量： 统计推断：估计与假设检验 §1、估计和假设检验：统计推断的两个孪生分支 §2、 参数估计 §3、 点估计量的性质 §4、 假设检验 §4、 假设检验 在股票的P/E一例中，上一节我们根据50个P/E值组成的随机样本，建立了?x 的一个95%的置信区间。即在该区间内包括?x 的概率为95%。 现在改变策略，不是建立一个置信区间，而是假设真实的?x 取某一特定值，如?x =13。然后去检验这个假设，检验结果是接受或拒绝该假设？下面以此为例说明。 4.1 置信区间法 在上述例子中，我们知道样本均值服从均值为?x ，方差为?2/n的正态分布，由于真实的方差未知，以样本方差代替。在这种情况下，样本均值服从t分布，从而得到?x 的一个95%的置信区间： 10.63≦ ?x ≦12.36 （近似值） 置信区间提供了在某一置信度下（如95%）真实的?x 的取值范围。因此，如果这个区间不包括零假设中的值，如?x =13，则拒绝零假设，即我们以95%的置信度拒绝零假设。反之，接受零假设。 第一类错误： 亦称弃真错误。在上述P/E例子中，我们以95%的置信度拒绝了零假设： ?x =13，那么是否就意味着上表中所给出的样本就不是来自均值为13的正态总体呢？或许事实的