第二篇习题答案.docxVIP

PAGE6 / NUMPAGES9 第二篇 概率与推断基础 一、讨论题 1. 简述随机变量的均数与样本均数的区别。 答：由随机实验中产生的结果用数值表示的变量叫随机变量。随机变量的均数是指随机变量所有可能值的平均，但它不是一般意义下的平均，而是要把每个取值都按照它的概率来加权之后的平均，每个可能取值的权重就是取这个值的概率。通常用而不是简单的来表示随机变量的均数，这样有利于我们理解描述的到底是哪一个随机变量。样本均数是指某样本所有观测值的平均值，是描述样本数据特征的一个统计量，通常用表示。对于一个特定总体而言，样本观测值会随抽取的样本不同而变化，相应的样本均数也会因样本的不同而变化。但是随机变量的均数是一个描述总体特征的参数，它是随机变量所有可能取值的平均值。 2. 简要回答二项分布、Poisson分布及正态分布的区别与联系。 答：（1）三者的区别 表4-1 三种分布的比较 二项分布 Poisson分布 正态分布 概率 函数 概率函数意义 说明n个观察数中恰好发生X个某事件的概率 说明一定观察单位内发生某事件数为X的概率 X对应的曲线上的点代表概率密度，一个范围如X1－X2内的面积才代表概率 决定 参数 n ，π μ μ，σ 均数与方差关系 一般（Z分布除外） 适用 条件 互斥性，独立性，稳定性（用大量重复实验得到的样本率来估计参数π） 同前，尚需n很大（趋向于无穷大），π很小 连续分布，服从正态性 类型 离散型随机变量的概率分布 离散型随机变量的概率分布 连续型随机变量的概率分布 可加性 无 有 有 （2）三者的联系 Poisson分布是二项分布的特殊情况，服从Poisson分布的资料也肯定服从二项分布。因此，能用Poisson分布法处理的资料原则上也能用二项分布来处理(但需知道总观察数和阳性数)，只不过此时计算较繁而已。反之则不然，服从二项分布者不一定都能用Poisson分布法来处理，需满足Poisson分布的近似条件才可。 不论二项分布还是Poisson分布，只有满足正态近似条件时才可用正态近似法。当然此时也可用两种分布相应的方法，但正态近似法较为简便。 3. 指出下述陈述的错误并给出解释。 （1）中心极限定理指出对于大样本而言，总体均数近似服从正态分布。 答：此描述的错误主要在后半句“总体均数近似服从正态分布”，中心极限定理是针对样本均数而言的。中心极限定理是指从任意均数等于，方差等于的一个总体中抽取样本量为的简单随机样本。当样本量很大时，无论总体分布形态如何，样本均数的抽样分布近似正态分布。 （2）对于大样本而言，观察值近似服从正态分布。 答：当样本量很大时，无论总体分布形态如何，样本均数的抽样分布近似正态分布。即中心极限定理是针对样本均数而言。 （3）从总体进行简单随机抽样，抽取的样本量越大，样本均数的标准差越大。 答：，均数的标准差与样本量的平方根成反比，即抽取的样本量越大，样本均数的标准差越小。 4. 如何理解“样本率的抽样分布同样遵循中心极限定理”？ 答：二项分布可看成多次伯努利试验的和：用时表示结果第次实验“成功”，时表示第次实验结果“失败”，可以将各个相加得到总的“成功”次数（即），而“成功”率为，可将其看做一个均数，即样本量为的样本率可以用取值为0和1变量的样本均数来表示，因此其同样也遵循中心极限定理。 5. 使用置信区间的常见注意事项。 答： = 1 \* GB3 ①公式不适用于所有抽样方法，不同的抽样方法需采用不同的均数估计公式； = 2 \* GB3 ②数据须来自相应总体的简单随机抽样，个体间相互独立是使用上述估计公式的前提； = 3 \* GB3 ③对于来自随意收集且偏倚较大的数据，没有恰当的方法进行统计推断，统计分析无法拯救糟糕的数据； = 4 \* GB3 ④在计算置信区间之前往往需先对数据进行探索性分析，例如找出异常值，检验数据是否服从正态分布； = 5 \* GB3 ⑤公式是事先假定总体标准差已知，实际研究中很可能无法得到总体标准差。当样本量较大时，可选用样本标准差s估计，对应置信区间可用公式近似估计； = 6 \* GB3 ⑥实际操作中的问题（如无应答与失访）会给抽样研究带来额外的误差，这些误差可能比随机抽样误差大得多，并且研究结果中这些误差并不能被误差范围所反映； = 7 \* GB3 ⑦统计推断的概率是指该方法重复进行的正确频率，即在100次抽样中，平均而言95%置信区间有95次包含了总体均数，但并不知道某一次结果的正确性。 6. 解释零假设与备择假设的含义。 答：零假设又称无效假设，记为，是在我们没有证明某现象之前做出的保守推测，是被用来检验的假设，通常表述为“没有差异”，表示差异是由抽样误差引起的；备择假设又称对立假设，记为，表示其差异是因为比较的对象之间存在本质