a统计概念1教学课件.ppt

从历史的典籍中，人们不难发现许多关于钱粮、户口、地震、水灾等等的记载，说明人们很早就开始了统计的工作 . 但是当时的统计，只是对有关事实的简单记录和整理，而没有在一定理论的指导下，作出超越这些数据范围之外的推断. 到了十九世纪末二十世纪初，随着近代数学和概率论的发展，才真正诞生了数理统计学这门学科. 什么是数理统计学:它是 (1)研究怎样以有效的方式收集、 整理和 (2)分析带有随机性的数据，以便对所考察的问题作出推断和预测，直至为采取一定的决策和行动提供依据和建议. 数理统计可分为两大类 (1)试验的设计和研究，就是研究怎样有效地、合理的获得数据的方法; (2)统计推断，利用数据对所研究的问题, 尽可能地作出精确而可靠的结论. 本课中，着重(2). 某种子公司A，栽种了几种类别的 鲜花，收获了大量的花籽，并把每25粒花籽扎成一小包出售. 一个零售商批发了若干包，并向顾客保证：在每包25粒花籽中至少有22粒将能发芽，否则的话可免费调换另一包. 每包要是有3粒不 发芽，马上免费退换！ 每包25粒 每包25粒中 至少有22粒将 发芽 所有的包都 如此吗？？ 零售商面临如下两种类型的不肯定性： (1) 他对种子公司出售的包中可接受（即至少有22粒花籽将发芽）的包数所占比例 是不清楚的. (2)由于种子公司出售的花籽的货单上，这类花籽共有一百万包，而零售商只购买了200包， 那些包是可 接受的呢？？ 这就是尽管他知道了一百万包可接受的比例 ，但对他所购买的200包，其中可接受的比例仍旧没有“把握”. 从中购买 200包 共100万包 在已知 的条件下，这种不肯定性的程度已在概率论部分作过讨论. 回到第一类不肯定性： 零售商对种子公司出售的小包中可接受（即至少有22粒花籽将发芽）的包数所占比例 是多少没有把握. 零售商能够根据试验的方法来改善他的处境. 根据试验他能作出天然状况 是多少的决策. (1)怎样设计试验，决定观察的数目； (2)怎样利用试验观察的结果作出一个“好”的推断等. 这都是数理统计所要研究的问题. 这就涉及到 第一个问题是怎样进行抽样，使抽得的样本更合理,并有更好的代表性？这是抽样方法和试验设计问题：最简单易行的是进行随机抽样.　　　　 第二个问题是怎样从取得的样本去推断总体？这种推断具有多大的可靠性？ 这是统计推断问题. 统计方法具有“部分推断整体”的特征 . 需要强调一点： 　　由部分推断全体. 这里使用的推理方法是“归纳推理”. 现在要问：从局部观察要对总体下结论有没有片面性呢？结论是否可靠？ 显然这里不仅依赖于进行局部观察的“样本”是否具有总体的代表性，也依赖于对从这些样本得到数据的合理加工、分析并得出论断. 我们说，如果这一切都建立在可靠的科学基础上，则对总体下结论是可能的也是可靠的. 我们对每个经过合理手续选取的一个样品也应看到它所具有的两重性： 一方面它具有特殊性，因为它毕竟是个别观察值，不能反映总体的全面性质，有片面性. 在这个基础上再加上科学的推断方法，对总体下的结论同样也是可靠的. 另一方面每个样品的情况又必然反映总体的一些普遍性. 当样品有一定数量时总体的普遍性是可以得到比较真实的反映的. 但此时还应记住毕竟是由“局部”推断“整体”，因而仍可能犯错误，结论往往又是在某个“可靠性水平”之下得出的. * 是一门应用性很强的学科.数理统计不同于一般的资料统计，它更侧重于应用随机现象本身的规律性进行资料的收集、整理和分析. * 即使 是0.99，即种子公司出售的一百万包中有99万包是可接受的，零售商购买的200包仍有可能“碰巧”是从不可接受的一万包中选取的.这样他就要损失一笔资金. * 这一类不肯定性是由于“随机性”所引起的. * 虽然他不能精确地和肯定地确定 ， 但可以期望获得一个（在某种意义下）比较好的推断. * 可见，在数理统计中必然要用到概率论的理论和方法. 因为随机抽样的结果带有随机性，不能不把它当作随机现象来处理 .概率论是数理统计的基础，而数理统计是概率论的重要应用. * 因为我们是从一小部分样本观察值去推断该全体对象（总体）情况，即 * 是一门应用性很强的学科.数理统计不同于一般的资料统计，它更侧重于应用随机现象本身的规律性进行资料的收集、整理和分析. * 即使 是0.99