应用统计学课件抽样与参数估计.ppt

第九章抽样与参数估计 统计推断是统计学研究的重要内容。 抽样是进行统计推断的基础性工作。 参数估计是统计推断的重要内容之一。 本章主要内容 第一节 抽样与抽样分布 第二节 参数估计的一般问题 第三节 一个总体的参数区间估计 第四节 两个总体的参数区间估计 第五节 样本容量的确定 第一节 抽样与抽样分布 一、几个基本概念 二、概率抽样方式 三、总体分布、样本分布、抽样分布 四、一个总体的抽样分布 五、两个总体的抽样分布 统计推断的过程 一、几个基本概念 ㈠总体、个体、样本 总体是所要研究的事物或现象的全体，也称全及总体、母体。 个体是组成总体的各个基本单位或元素。 样本是从总体中按一定抽样技术抽取的若干个体组成的集合体，也称抽样总体、子样。 ㈡总体容量和样本容量 总体容量是总体全部单位总数，用N表示。 样本容量是一个样本所包含的单位数，通常用n表示。根据容量大小样本有大样本和小样本之分，一般当n30时为小样本，n≥30时为大样本。 ㈢总体参数和统计量 总体参数是根据总体各单位数据计算的量，又称全及指标。常用的有总体均值、总体比例（成数）、总体方差、总体标准差等。 统计量是由样本构造出的且随样本变化而变化的量，又称样本指标或抽样指标，常用的有样本均值、样本比例（成数）、样本方差、样本标准差等。 在一个总体中，总体参数是一个确定的量，而样本统计量因样本是随机抽取的可以有多个，因此统计量的值不是唯一确定的，是个随机变量。 二、概率抽样方式 抽样方式按是否根据已知概率抽选样本单位（按抽样的随机性）可分为概率抽样（随机抽样） 和非概率抽样（非随机抽样）。统计推断主要是概率推断，下面主要介绍概率抽样。 ㈠概率抽样（随机抽样）方式主要有：简单随机抽样，分层抽样，整群抽样，系统抽样，多阶段抽样。 (如第二章所述) 本课程主要介绍简单随机抽样条件下统计推断方法。 ㈡重置抽样和不重置抽样 从总体抽取样本的方法有重置抽样和不重置抽样两种。 1.重置抽样 又称重复抽样、有放回抽样，是每次从总体中抽取一个单位，观察记录后又放回，再抽取下一个。因此重复抽样的样本是由n次相互独立的连续试验所组成的，每次实验在相同条件下进行，在整个抽样过程中总体单位数始终不变，各单位被抽中的机会前后相等。 若重置抽样并考虑各单位的排列顺序，则样本的可能数目为Nn。 ⒉ 不重置抽样 又称不重复抽样、无放回抽样，是每次从总体中抽取一个单位，观察记录后不放回，再抽取下一个。因此不重复抽样的样本虽由n次连续试验所组成，而实质等于一次同时从总体中抽n个单位组成一个样本，每次实验不是相互独立的，在整个抽样过程中每抽一次总体单位就少一个，各单位被抽中的机会前后不等，越往后被抽中的机会越大。 若不重复抽样也不考虑各单位的顺序，则样本的可能数目为 。 在实践中当总体单位数很大，样本单位数相对较小时，可以把不重复抽样看成重复抽样，这时的计算比较简单。 三、总体分布、样本分布、抽样分布㈠总体分布(population distribution) 是总体中各元素的观察值所形成的频数或频率分布 总体分布通常是未知的 可以假定它服从某种分布 ㈡样本分布(sample distribution) 是一个样本中各观察值的频数或频率分布 也称经验分布 当样本容量n逐渐增大时，样本分布逐渐接近总体的分布 ㈢抽样分布(sampling distribution) 是某一样本统计量的全部可能取值的概率分布。 现实中不可能抽出所有样本，因此统计量的抽样分布实际是一种理论概率分布。统计推断中，常用的理论概率分布：正态分布、 ?2分布、t分布和F分布。 是样本统计量的函数。若样本是随机的，则样本统计量就是随机变量 ，如样本均值，样本比例，样本方差等为随机变量。 结果来自容量相同的所有可能样本。 提供了样本统计量稳定的信息，是进行推断的理论基础，也是抽样推断科学性的重要依据。 抽样分布(sampling distribution) 四、一个总体的抽样分布 ㈠样本均值的抽样分布 ㈡样本比例的抽样分布 ㈢抽样方差的抽样分布（略） ㈠样本均值的抽样分布 性质及特点 是容量相同的所有可能样本的样本均值的概率分布 是一种理论概率分布 是推断总体均值的理论基础 举例说明样本均值抽样分布的形成过程 样本均值的抽样分布(例题分析) 样本均值的抽样分布(例题分析) 样本均值的抽样分布(例题分析) 根据表中数据求得 样本均值的均值为： 样本均值的方差为： 样本均值的抽样分布(例题分析) 样本均值抽样分布的形式与特征 现实中不可能抽出所有样本，因此实际应用的样本均值抽样分布是一种理论概率分布。 数理统计理论证明：当总体服从正态分布N(μ,σ2)时，来自该总体的所有容量为n的样本的均值也服从正态分