第六章 参数估计(zuizhong).pptVIP

解：已知n=36, 1-a = 90%，za/2=1.645。根据样本数据计算得： 总体均值?在1-a 置信水平下的置信区间为 即投保人平均年龄90%的置信区间为（37.37，41.63） 例题分析 * * 例题分析 某企业生产某种产品的工人有1000人，某日采用不重复抽样从中随机抽取100人调查他们的当日产量，样本人均产量为35件，产量的样本标准差为4.5件，试以95.45%的置信度估计平均产量的抽样极限误差和置信区间。 解：x=35，S=4.5，n=100，属于大样本，所以 已知1-α =0.9545,查Z 1-α/2=Z0.97725=2,则 * * 例题分析 置信区间为 ，即在34.14至35.86件之间. 即（34.14，35.86） * * 总体均值的区间估计(小样本) 总体服从正态分布，若σ2未知，且n30时 ,则需要用样本方差s2代替总体方差σ2 ，这时样本均值经标准化后的随机变量服从自由度为（n-1）的t分布，即 所以 即 * * 总体均值的区间估计(小样本) 所以： 即在1－α置信度下，μ的置信区间为 * * t 分布 t 分布是类似正态分布的一种对称分布，它通常要比正态分布平坦和分散。一个特定的分布依赖于称之为自由度的参数。随着自由度的增大，分布也逐渐趋于正态分布 。 x t 分布与标准正态分布的比较 t 分布 标准正态分布 t 不同自由度的t分布 标准正态分布 自由度为 10的t分布 z 自由度为 20的t分布 * * 估计量与估计值 1. 估计量：用于估计总体参数的随机变量 如样本均值，样本比率、样本方差等 如样本均值就是总体均值? 的一个估计量 2. 参数用? 表示，估计量用 表示 3. 估计值：估计参数时计算出来的统计量的具体值 如果样本均值?x =80，则80就是?的估计值 * * 点估计与区间估计 参数估计的方法 估 计 方 法 点 估 计 区间估计 * * 点估计(point estimate) 用样本的估计量直接作为总体参数的估计值 如用样本均值直接作为总体均值的估计 如用两个样本均值之差直接作为总体均值之差的估计 没有给出估计值接近总体参数程度的信息 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 * * 点估计完全正确的概率通常为0。因此，我们更多的是考虑用样本统计量去估计总体参数的范围 ? 区间估计。 * * 区间估计(interval estimate) 在点估计的基础上，给出总体参数估计的一个区间范围，该区间是由样本统计量加减抽样误差而得到的 根据样本统计量的抽样分布能够对样本统计量与总体参数的接近程度给出一个概率度量 * * 区间估计(interval estimate) 3.设总体参数为 ， 为样本确定的两个统计量，对于给定的 ，有P( )=1-α ，称（ ， ）为参数 的置信度为 1-α 的置信区间， 、 分别称为置信下限、上限，通称置信限，α为显著性水平， 1-α 为置信度。 常用的置信水平值有 99%, 95%, 90% 相应的?为0.01，0.05，0.10 * * 区间估计(interval estimate) 注意对上式的理解： 例如抽取了1000个样本，根据每一个样本均值构造了一个置信区间，这样，由1000个样本构造的总体参数的1000个置信区间中，有95%的区间包含了总体参数的真值，而5%的置信区间则没有包含。这里，95%这个值被称为置信水平（或置信度）。 一般地，将构造置信区间的步骤重复很多次，置信区间包含总体参数真值的次数所占的比例称为置信水平。 * * 区间估计(interval estimate) 比如，某班级平均分数在75～85之间，置信水平是95% 样本统计量 (点估计) 置信区间 置信下限 置信上限 * * 置信区间 (confidence interval) 由样本统计量所构造的总体参数的估计区间称为置信区间 统计学家在某种程度上确信这个区间会包含真正的总体参数，所以给它取名为置信区间 用一个具体的样本所构造的区间是一个特定的区间，我们无法知道这个样本所产生的区间是否包含总体参数的真值 我们只能是希望这个区间是大量包含总体参数真值的区间中的一个，但它也可能是少数几个不包含参数真值的区间中的一个 * * 置信区间 (confidence interval) 我们用95%的置信水平得到某班学生考试成绩的置信区间为60-80分，如何理解？ 错误的理解：60-80区间以95%的概率包含全班同学平均成绩的真值；或以95%的概率保证全