统计学抽样分布和参数估计.pptVIP

学习目的 了解抽样和抽样分布的基本概念 理解抽样分布与总体分布的关系 了解点估计的概念和估计量的优良标准 掌握总体均值、总体成数和总体方差的区间估计 掌握样本容量的确定方法 第一节 抽样推断概述 （一）抽样推断的过程 总体、个体和样本（概念要点） ?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 （二）抽样推断的特点 ?抽样推断就是从全部被研究对象中随机抽取一部分单位进行观测，并用这一部分单位的指标数值推断总体指标数值。 第一，调查单位的选择遵守随机原则； 第二，抽样推断，不仅要抽样，而且要根据样本指标推断总体指标，从而达到由样本到总体认识的飞跃； 第三，向样推断有误差，但可以事先加以控制，满足一定的需要。 （三）抽样推断的作用 二、抽样推断的理论基础 ?用样本指标（统计量）对总体指标（参数）进行估计（统计量的抽样分布是基础）。 （一）抽样推断必须解决的问题 １.能不能用样本指标推断总体指标（理论基础）； ２.估计的好坏问题（标准如何）； ３.样本的容量大小（样本单位数目多少为好）； ４.误差如何计算（误差的控制问题）。 抽样推断的理论基础 （二）抽样推断的理论基础 １.大数定理（大量观察法） 抽样推断的理论基础 三、抽样推断的基本范畴 抽样推断的基本范畴 抽样方法（实例） 第二节 抽样误差 一、抽样误差的概念 （一）误差的分类 抽样误差概念 二、抽样分布（概念要点） 所有样本指标（如均值、成数、方差等）所形成的分布称为抽样分布 是一种理论概率分布 随机变量是 样本统计量 样本均值, 样本比例等 结果来自容量相同的所有可能样本 （一）样本均值的抽样分布（重复抽样实例） 样本均值的抽样分布 （重复抽样实例） 样本均值的抽样分布 （重复抽样实例） 样本均值的分布与总体分布的比较 样本均值的抽样分布与中心极限定理 中心极限定理（图示） （二）样本方差的分布 卡方 (c2) 分布 三、抽样误差的计算 样本均值的抽样误差 样本均值的抽样误差 （二）样本成数的抽样误差 （二）样本成数的抽样误差 可以证明：当样本容量n很大时，且np和n(1-p)都大于5时，样本成数p近似服从正态分布，且其数学期望等于总体成数P，方差等于P(1-P)/n。 是非标志的算术平均数及标准差为： 样本成数的抽样误差 四、抽样极限误差 （一）抽样极限误差的概念 抽样误差范围是随机变动的样本指标与唯一确定的总体指标之间误差的可能范围。 抽样极限误差就是用一定的概率保证的抽样误差不能超过最大可能范围，又叫允许误差，用Δ表示。 抽样极限误差 抽样极限误差应用 （二）抽样极限误差的应用 1.抽样平均数的极限误差 抽样极限误差应用 （一）概率度的概念 概率度就是抽样极限误差与抽样平均误差相比所得的相对数，一般以倍数的形式表示，记为t。即： 图示如下 第三节 参数估计 （一）被估计的总体参数 （二）点估计（概念要点） 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 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，样本成数、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 理论基础是抽样分布 （三）估计量的优良性准则 无偏性：估计量的数学期望等于被估计的总体参数 估计量的优良性准则（无偏性） 样本方差和标准差 (simple variance and standard deviation) 未分组数据： 样本方差自由度(degree of freedom) 一组数据中可以自由取值的数据的个数 当样本数据的个数为 n 时，若样本均值?x 确定后，只有n-1个数据可以自由取值，其中必有一个数据则不能自由取值 例如，样本有3个数值，即x1=2，x2=4，x3=9，则 ?x = 5。当 ?x = 5 确定后，x1，x2和x3有两个数据可以自由取值，另一个则不能自由取值，比如x1=6，x2=7，那么x3则必然取2，而不能取其他值 样本方差用自由度去除，其原因可从多方面来解释，从实际应用角度看，在抽样估计中，当用样本方差s2去估计总体方差σ2时， s2是σ2的无偏估计量 估计量的优良性准则 估计量的优良性准则 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 估计量的优良性准则 充分性：如果一个