金融出版社统计学第6章参数估计.pptxVIP

;第一节 抽样分布;一、抽样的基本概念;（一）样本容量与样本个数;（二）总体参数与样本统计量;;（三）回置抽样与无回置抽样;;二、抽样分布;从以上的式子我们知道，样本平均数分布的中心与总体的分布中心完全相同，方差是总体分布方差的1/n。因此，样本平均数分布集中趋势优于总体分布自身的集中趋势。由于样本平均数能“集中”分布于总体平均数附近，因此可以考虑用样本平均数来估计总体平均数。用样本统计量去估计总体参数难免有误差，样本变量的离散程度越大，产生误差的可能性也越大。我们用抽样平均数的标准差来反映抽样平均数与总体平均数的平均误差程度，称其为抽样平均误差，记为： (6.1) 抽样平均误差是总体标准差的 ，通常比总体标准差小的多。;【例6-1】; 那么，抽样平均误差为 在无回置抽样的情形下，以例6-1的资料，所有样本平均数如表6-1所示。从表6-1中可以整理出样本平均数的分布如表6-2所示。;表6-1 样本工时平均工资　;表6-2 样本工时平均工资分布　;根据表6-2分布数据，可计算样本平均工资与其标准差： 计算结果表明，在无回置抽样情形下，样本平均数分布的中心还是总体的中心，而抽样平均误差比回置抽样要小。;无回置抽样的平均误差比回置抽样小的原因是很直观的，无回置抽样排除了“每次抽出的都是极端值”的可能，这显然对降低抽样误差有利。数学上可以证明，在无回置抽样条件下， （6.2） 无回置抽样与回置抽样相比多了一个系数 这个系数称为无回置抽样的修正系数。由于该系数在0～1之间，因此，无回置抽样平均误差比回置抽样小。当N远大于n时，修正系数近似1，修正与否对平均误差几乎没有影响，这时可以不考虑抽样方式差异，都按回置抽样处理。;（二）样本成数的抽样分布;P也是一个随机变量，利用样本平均数分布的性质，针对回置抽样方式，有 E(P)=ρ (6.3) (6.4) ;【例6-2】;这里应该注意到，对于无限总体进行无回置抽样时，可以按照回置抽样来处理。此时样本成数的方差仍可以按（6.4）式计算。对于有限总体，当N很大，而抽样比n/N≤5%时，其修正系数 趋于1，这时样本成数的方差也可以用 （6.4）式来计算。;（三）样本方差的抽样分布;第二节 点估计与估计量的评价标准;一、点估计;（一）矩估计法;我们把 （6.8） 称为以E(X)为中心的k阶中心矩。 显然，当k=2时， 可见二阶中心矩为随机变量X的方差。;【例6-3】;s=118.61 故μ及σ估计值分别为1493小时和118.61小时。 矩估计法简便、直观，比较常用。但是也有局限性：首先，它要求总体的k阶原点矩存在，若不存在则无法估计；其次，矩估计法不能充分地利用估计时已掌握的有关总体分布形式的信息。 通常设θ为总体X的待估计参数，一般用样本X1,X2,...Xn构成一个统计量 来估计θ，则 为θ的估计量。对应于样本的一组数值x1,x2,...xn，估计量 的值称为θ的估计值。点估计即为待估计参数θ寻找一个估计值 的问题。必须注意的是，对于不同的样本，估计值可能是不相同的。;（二）顺序统计量法;样本极差R：定义为样本X1,X2,...Xn的函数。即对样本中各样本单位的取值按大小顺序排列，取最大值与最小值之差。记为 (6.10) 由于Me与R都是将样本的一组数值按大小次序排列而确定的，所以都叫顺序统计量。 如以例6-3为例，样本的一组数值为：1367，1453，1502，1650，即 Me=(1453+1502)/2=1477.5 R=1650-1367=283;顺序统计量的共同特点是计算简单，其中，Me的数值还不受样本中过大或过小的观测值的影响。例如，设总体X的一组样本观测值按大小排列为：20，70，8