抽样与抽样估计.ppt

第四章 抽样估计 什么是抽样估计 抽样估计的基本概念与点估计 抽样误差与区间估计 什么是抽样估计？ The purpose of Statistics inference is to obtain information about a population from information contained in sample. 例1 一汽车轮胎制造商生产一种被认为寿命更长的新型轮胎。 抽样估计方法主要用在下列两种情况： 第一节 抽样推断的基本概念与点估计 例3：某大公司人事部经理整理其2500个中层干部的档案。其中一项内容是考察这些中层干部的平均年薪及参加过公司培训计划的比例。 总体：2500名中层干部（population )， 如果：上述情况可由每个人的个人档案中得知，可容易地测出这2500名中层干部的平均年薪及标准差。 参数是总体的数值特征 A parameter is a numerical characteristic of a population。 一、简单随机抽样（Simple Random Sampling） 1、考虑顺序的不重复抽样：N(N-1)(N-2)…(N-n+1) 2、考虑顺序的重复抽样：Nn 在例3中，假如随机抽取了一个容量为30的样本： Annual Salary Management Training Program? 49094.3 Yes 53263.9 Yes 49643.5 Yes … … 在上述某公司30个中层干部的简单随机抽样中，如果再一次抽样的样本与前一次的不同，则可得到另外的平均年薪样本均值、标准差以及受训干部的比例。 同样地，如果多次抽样，则可得到多个不同的结果。 表4.1是一个假设的经过500次抽样后的情况表。 表4.2给出了500个 的频数分布与相对频数分布， 图4.1 500个 的相对频数分布 考察样本均值的概率分布形式。分两种况： 1)总体分布已知且为正态分布； 2)总体分布未知； （2）当总体分布未知时，需要用到中心极限定理（Central limit Theorem） n=样本容量； N=总体单位个数 可以证明样本均值的标准差： 样本统计量的估计值与其所要测度的总体参数值之间的绝对差距，被称为抽样误差（sampling error）。 抽样分布能够用来提供抽样误差大小的可能性（概率）。 由于样本标准差与总体标准差及样本容量有关： 在经济与商务的许多场合，需要用样本比例p对总体比例P进行统计推断。 在例3中，由于全体中层干部接受过培训的人数比例为P=0.6，因此样本比例期望值为p=0.6； 同时，由于n/N=30/2500=0.012=0.05，因此样本标准差为 用样本统计量（sample statistics）可以作为其对应的总体的点估计量（point estimator)。 但要估计总体的某一指标，并非只能用一个样本指标，而可能有多个指标可供选择，即对同一总体参数，可能会有不同的估计量。 一、抽样误差（Sampling Error） 一个样本可以得到总体参数的一个点估计，该点估计值与总体参数真值之间的差异，即为抽样误差。有三个相互联系的概念： （一）实际抽样误差： 2、抽样极限误差的估计总是要和一定的概率保证程度联系在一起的。 给定置信度1- ?，可由标准正态分布表查得临界值Z?/2，使得 在大样本下（=30），不论总体分布形式如何，均可用上述方法进行总体均值的区间估计，这时，如果总体方差未知，则直接用样本方差代替。 ▼注意： 如果小样本下总体分布非正态，则无法进行区间估计，唯一的解决方法就是增大样本。 总体均值区间估计程序 在大样