南京大学统计学课件 ch5参数估计与假设检验1.pptVIP

第五章 统计估计与假设检验 第一节 统计估计与置信区间 第二节 假设检验 本章内容 统计估计与置信区间 —点估计 —区间估计（求置信区间） 假设检定（假设检验） —双尾检验、单尾检验 —置信区间检验法、临界值检验法、 p-值检验法（后两种是常用的方法） 第一节 统计估计与置信区间 一、统计估计概述 1、统计估计就是对总体参数进行估计，包括点估计和区间估计。 2、点估计就是在不考虑抽样误差的条件下，直接用样本统计量作为总体参数的估计值。 3、区间估计就是通过样本统计量来推测总体未知参数的可能范围。它是根据概率论和抽样原理，以一定的概率即可信程度来保证总体参数落在某一区间内。由于区间估计这种推断方法给出估计误差的允许范围和推断的可信程度，弥补了点估计的绝对性缺陷，所以广泛地被用于对总体参数的估计。 区间估计 区间估计主要用于用样本平均数估计总体平均数；用样本成数估计总体成数。 区间估计的实质就是确定总体参数（总体平均数、总体成数）的置信区间。 例：随机抽样1000位北京男性市民后，样本平均身高为172公分，样本标准差为30公分，在95%的置信水平下，北京男性市民的平均身高为何？ 95%置信区间 这就表示在95%的置信水平下，北京男性市民的平均身高是在170.14与173.86公分之间，其抽样误差为 公分。 99%置信区间 这就表示在99%的置信水平下，北京男性市民的平均身高是在169.55与174.45公分之间，其抽样误差为 公分 。 例：美国某家医院随机抽样1024个案例，其平均医疗费用为$810，样本标准差为$64 建构90%的置信区间 建构95%的置信区间 建构99%的置信区间 例：从选民中随机抽取100名进行调查，结果显示对候选人的支持率为80%，求在95%的置信度下，候选人支持率的置信区间。 置信区间为，即72.16%～87.84% 区间估计的逻辑是以概率抽样方法自母体抽取一个样本，计算其平均数（点估计值） ，依照所要求的置信水平，加减 Z 个 所得到的区间。 95% 和 99%就是 “置信水平” 就是抽样极限误差 置信水平愈高，置信区间也就愈宽 ，但太宽的置信区间会失去实际的效用 值：代表“不包含”母体特性的概率，也就是结论是错误的概率。又称为显著程度（significance level） 在95%的置信水平下， 　　= 1 – 0.95 = 0.05 在99%的置信水平下， 　　= 1 – 0.99 = 0.01 “判别值”（critical value）:与 值相对应的 z 值　　　　　　 95%置信区间的判别值： 99%置信区间的判别值： 上述的置信区间也可以 t 分数来建构： 置信区间 以 t 分数来建构置信区间 ： 例：设 N=1000, =.05 一个控制抽样误差的方法是从样本数着手 但是，当样本数超过一定数目后，标准误减少得很有限，抽样成本会随着样本数增大 第二节 假设检验 假设检验是统计推断的另一种方式，它与区间估计的差别主要在于：区间估计是用给定的大概率推断出总体参数的范围，而假设检验是以小概率为标准，对总体的状况所做出的假设进行判断。假设检验与区间估计结合起来，构成完整的统计推断内容。 小概率原理：即指概率很小的事件在一次试验中实际上不可能出现。这种事件称为“实际不可能事件”。 例1：消费者协会接到消费者投诉，指控品牌纸包装饮料存在容量不足，有欺骗消费者之嫌。包装上标明的容量为250毫升。消费者协会从市场上随机抽取50盒该品牌纸包装饮品，测试发现平均含量为248毫升，小于250毫升。这是生产中正常的波动，还是厂商的有意行为？消费者协会能否根据该样本数据，判定饮料厂商欺骗了消费者呢？ 消费者协会实际要进行的是一项统计检验工作。检验总体平均 =250是否成立。这就是一个原假设(null hypothesis)，通常用 表示，即： ： =250 与原假设对立的是备选假设(alternative hypothesis) ，备选假设是在原假设被否定时另一种可能成立的结论。备选假设比原假设还重要，一般把期望出现的结论作为备选假设。 构造一个统计量来决定是“接受原假设，拒绝备选假设”，还是“拒绝原假设，接受备选假设”。对不同的问题，要选择不同的检验统计量。检验统计量确定后，就要利用该统计的分布以及由实际问题中所确定的显著性水平，来进一步确定检验统计量拒绝原假设的取值范围，即拒绝域。在给定的显著性水平α下，检验