抽样理论和参数估计方案.ppt

3.5.2 F分布的应用 F分布是统计学家费歇尔(R. A. Fisher)于1924年首先发现的 假设检验 区间估计 方差分析 回归分析 4 样本容量的计算 根据最大允许误差确定样本容量 样本容量n，总体方差?2，允许误差d，可靠性系数Z?/2的关系 总体方差越大，需要的样本容量越大； 允许误差越大，需要的样本容量越小； 可靠性系数越大，需要的样本容量越大； 例：要使95%置信区间的允许误差为5，应选取多大的样本容量？假定总体的标准差为25。 例： 一家广告公司想估计某类商店去年所花的平均广告费有多少。检验表明，总体方差约为1800000。如置信度取95％，并要使估计值处在总体平均值附近500元的范围内，这家广告公司应取多大的样本？ 例：一家市场调研公司想估计某地区有彩色电视机的家庭所占的比例。该公司希望对p的估计误差不超过0.05，要求的可靠程度为95%，应取多大容量的样本? 例： 一项调查中，总体比率的计划值为0.35，则当允许的最大绝对误差为0.05时，在求其95%置信区间时应采用多大的样本容量？ 5 参数估计 设总体有待估参数?，自总体中抽取样本x1,x2,…,xn 点估计 point estimate 用样本的某一统计量估计?如用样本均值估计总体均值 区间估计 interval estimate 求出一定概率下?的取值范围 5.1 点估计 统计量作为估计量 estimator 充分性 sufficiency 用到样本的所有数据 无偏性 unbiasedness 估计值的平均值与真值一致 有效性 efficiency 当总体参数的无偏估计量有不止一个统计量时，无偏估计变异性最小者有效性高，变异大者有效性低 一致性 consistency 当样本容量无限增大时，估计值越来越接近所估计的总体参数 5.1.1 有效性 哪个是更好的估计量？ 算术平均数 vs. 中数 5.1.2 无偏估计量 unbiased estimator 5.2 区间估计 区间估计的原理 样本统计量的分布规律 5.2.1 几个概念 显著性水平 significance level 也叫置信系数，指估计总体参数可能落入某区间时犯错误的概率 ?通常有三个标准： ?：0.05, 0.01, 0.001 1- ?：0.95, 0.99, 0.999 置信水平、置信度 confidence level 1- ? 置信区间 confidence interval 指在某一置信水平时，总体参数所在的区域距离或区域长度 5.2.2总体平均数的估计5.2.2.1 总体正态、方差已知 5.2.2.2 总体正态、方差未知 5.2.2.3 总体非正态、方差未知 5.2.3 总体方差的区间估计 5.2.4 方差差异的区间估计 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * 抽样理论和参数估计 任课老师：禤宇明 本章基本内容 基本概念 总体、个体、总体容量、样本、样本容量、抽样、参数、统计量 抽样方法 随机、等距、分层 抽样分布 样本平均数：Z分布、t分布 样本方差：卡方分布、F分布 参数估计 点估计：充分性、无偏性、有效性、一致性 区间估计：显著性水平、置信度、置信区间 1. 抽样的基本概念 总体(population)：要研究的事物或现象的总体 个体(unit)：组成总体的每个元素(成员) 总体容量(population size)：一个总体中所含个体的数量 样本(sample)：从总体中抽取的部分个体 样本容量(sample size)：样本中所含个体的数量 抽样(sampling)：为推断总体的某些重要特征，需要从总体中按一定抽样技术抽取若干个体的过程 参数(parameter)：反映总体数据特征的量数 统计量(statistic)：反映样本数据特征的量数 统计量是样本的函数，只依赖于样本；样本均值、样本方差等都是统计量 2. 抽样方法2.1简单随机抽样 simple random sampling 完全随机地选取样本，要求有总体中每一个个体的详尽名单，给总体N个元素编号 抽签 随机数字表 2.2 等距抽样 又称系统抽样 (systematic sampling) 给总体N个元素编号 抽样间距 k＝N/n 随机确定起点 a (1≤a ≤k) a, a+k, a+2k, …, a+(n-1)k 受总体数据的周期性的影响