第三讲参数估计.pptVIP

商学院 李丽明 参数估计在统计方法中的地位 统计推断的过程 第一节 统计推断的基本概念 一.什么是统计推断 统计推断包括统计估计和统计检验；统计估计包括参数估计和非参数估计；统计检验包括参数假设检验和非参数假设检验。 参数统计方法是在已知总体分布的条件下，对相应分布的参数进行估计和检验。 非参数统计方法，研究目标总体的分布是否与已知理论分布相同，或者各样本所在总体的分布位置/形状是否相同。 第一节 统计推断的基本概念 统计推断结论是否准确，有几个问题： 1.对统计推断结论有多大的把握； 2. 区间估计中的可信度和精度的关系问题； 3.得到的结论是否有实际意义； 4.统计推断结论正确与否，与我们对总体的了解有关； 第一节 统计推断的基本概念 二.统计量及其分布 定义：设X=（X1，X2，…，Xn）是取自某总体的一个容量为n的样本，假如样本函数T=T(X）=T( X1，X2，…，Xn ）中不含任何未知的参数，则称T为统计量。 统计量的分布称为抽样分布，即通常的随机变量函数的分布。 统计推断的好坏与所选择的统计量的分布有密切关系。 三、抽样分布的概念 ?总体(Population)：调查研究的事物或现象的全体。 ?个体(Item unit)：组成总体的每个元素。 ?样本(Sample)：从总体中所抽取的部分个体。 ?样本容量(Sample size)：样本中所含个体的数量。 三、抽样分布的概念 假如从总体中随机抽取容量相同的各种样本，，则从这些样本计算出的某统计量所有可能值形成的概率分布，被称为这一个统计量的抽样分布。 1、样本均值的抽样分布 用样本均值 对总体均值 进行推断是最常用的统计方法。其过程如下图表示： 样本均值的抽样分布 在该过程的每一次重复中，我们得到了不同样本均值 的值。样本均值 所有可能值的概率分布就称为样本均值的抽样分布。例如某市中10岁儿童有10万人，为了研究10万儿童的平均身高，从中抽取20名10岁儿童组成样本进行观察，如果把全部可能的样本 一一抽出，并计算每个样本的均值，就会发现各个样本的均值可能是不同的。全部可能样本的均值有一个相应的概率分布，这个分布就称为样本均值的抽样分布。 结论： 1、样本均值的均值（数学期望）等于总体均值。 即 2、样本均值的方差等于总体方差的1/n。 即 2、中心极限定理 中心极限定理：设从均值为?，方差为?2的一个任意总体中抽取容量为n的样本，当n充分大时，样本均值的抽样分布近似服从均值为μ、方差为?2 /n的正态分布。 第二节 参数估计基本方法 点估计（概念要点） 1、从总体中抽取一个样本，根据该样本的统计量对总体的未知参数作出一个数值点的估计。 例如: 用样本均值作为总体未知均值的估计值就是一个点估计。 2、点估计没有给出估计值接近总体未知参数程度的信息。 3、点估计的方法有矩估计法、顺序统计量法、最大似然法、最小二乘法等 估计量 （概念要点） 1.、用于估计总体某一参数的随机变量 如样本均值，样本比例、样本中位数等 例如: 样本均值就是总体均值?的一个估计量 如果样本均值 ?x = 3 ，则 3 就是 ? 的估计值 2、理论基础是抽样分布 估计量的优良性准则 1、无偏性：估计量的数学期望等于被估计的总体参 数。 2、有效性：一个方差较小的无偏估计量称为一个更 有效的估计量。如，与其他估计量相 比，样本均值是一个更有效的估计量。 3、一致性：随着样本容量的增大，估计量越来越接 近被估计的总体参数。 区间估计 定义：设 是总体的一个参数， X1，X2，…，Xn 是来自该总体的一个样本，对给定的α （0＜ α＜1）确定两个统计量 L= L （ X1，X2，…，Xn ）与 U= U （ X1，X2，…，Xn ）， 若 P（ L ≤ ≤ U ）≥1- α， 则称随机区间【 L， U 】是 的置信水平为1- α的置信区间， L和 U分别称为 1- α的置信下限和上限。（ α称为显著性水平） 区间估计（概念要点） 1. 根据一个样本的观察值给出总体参数的估计范围 2、给出总体参数落在这一区间的概率 例如: 总体均值落在50~70之间，置信度为 95% 置信水平 1、总体未知参数落在区间内的概率 表示为 (1 - ???? ??为显著性水平，是总体参数未在区间内的概率? 2、常用的显著性水平值有 99%, 95%, 90% 相应的 ??为0.01，0.05，0.10