抽样分布及参数估计.pptVIP

一、 t 分布的概念 英国统计学家W. S. Gosset于1908年以“Student” 笔名发表论文，证明统计量 t 服从自由度ν = n-1的t分布，即 t 分布与自由度ν =(n-1) 有关，t 分布的图形 不是一条曲线，而是一簇曲线。 （一）图形 二、 t 分布的图形和界值表 v=1 v=5 v=∞ （二）图形特征 （二）图形特征 单峰分布，曲线在 t＝0 处最高，并以 t＝0 为中心左右对称； 自由度越小，曲线最高处较矮，两尾部翘 的较高； 随自由度增大，曲线逐渐接近正态分布； 分布的极限为标准正态分布。 1 2 3 （三）t 界值表 t界值表：反映 t 分布曲线下的面积与横轴 t 值之间的关系，详见附表(t界值表) 。 单侧概率或单尾概率：用 表示； 双侧概率或双尾概率：用 表示。 1 2 举例3 1 2 单侧 双侧 由t界值表知：ν相同时，∣t∣↑，概率P↓； t值相同时，双尾P 等于2倍单尾P 参数估计就是用样本统计量估计总体参数。 方法有两种： 点估计（point estimation) 区间估计（interval estimation) 第三节 总体均数及总体概率的估计 一、参数估计的概念 用样本统计量直接作为总体参数的点估计值。 即：样本均数 估计总体均数? ， 样本频率p估计总体频率π。 （一）点估计 缺点：没考虑抽样误差，无法评价估计值与真 值之差距。 按预先给定的概率 确定的包含未知总体参数的可能范围。 该数值范围通常称为参数的置信区间（confidence interval ，CI）。 预先给定的概率 称为置信度。常取95%或99%。 （二）区间估计 可信区间的确切含义是指：总体参数在可信区间内的可能性为1-α（如95%）。可信区间通常由两个数值即可信限（confidence limit）构成。其中较小值称为下限（lower limit），较大的值称为上限（upper limit）。 t分布法：σ未知，且样本含量n不大。 根据 t 分布原理，可得到： 二、总体均数置信区间的计算 （一）t分布法 总体均数的双侧置信区间 总体均数的单侧置信区间 例4 中某地27名健康成年男子的血红蛋白量的均 数为125g/L，标准差为15g/L。试问该地健康成年 男子血红蛋白平均含量的95%和99%置信区间。 95%CI：（119.06g/L，130.94g/L） 99%CI：（116.98g/L，133.02g/L） 若要提高置信水平，又要较高的精度，就要增加样本含量。 1、当总体标准差σ 已知时 根据标准正态分布的原理，可 得到： （二）正态分布近似法 总体均数的双侧置信区间 总体均数的单侧置信区间 2、当σ 未知，但n足够大时（n50），t 分布 的极限分布是标准正态分布，则总体均数的置信 区间为： 例5 某市2000年随机测量了90名19岁健康男大学生的 身高，其均数为172.2cm，标准差为4.5cm，试估 计该市男大学生平均身高的95%置信区间。 95%CI：（171.3cm，173.1cm） 查表法：当n较小时，特别p接近0或100%， 可查附表(百分率的可信区间)。 三、总体率置信区间的计算 （一）查表法 例6 某医院对39名前列腺癌患者实施开放手 术治疗，术后有合并症者2人，试估计该手术 合并症发生概率的95%置信区间。 正态近似法：当n足够大，np与n(1-p)均大 于5时，p的抽样分布接近正态分布，总体概 率的置信区间为： （二）正态近似法 例7 用某种仪器检查已确诊的乳腺癌患 者120名，检出乳腺癌患者94例，检出率 为78.3%。估计该仪器乳腺癌总体检出率 的95%置信区间。 95%CI：（70.9%，85.7%） 总体均数的置信区间与参考值范围的区别 小 结 抽样误差与标准误； t分布的特点及t界值表； 区间估计的定义及计算方法； 置信区间与正常值范围的区别。 抽样 样本信息 总体特征 样本统计量 总体参数 统计推断 Inferential statistics 三鹿婴幼儿奶粉事件 抽样研究（sampling study） 抽样研究是从研究总体中随机抽取一定数量观察单位作为样本进行研究，通过样本的研究结果来推论总体。 一个好的抽样研究可用尽量少的人力、物力、经费和时间获得需要的、符