统计学：3-参数估计.ppt

第 3 章 参数估计 3.1 参数估计的基本原理 3.2 一个总体参数的区间估计 3.3 两个总体参数的区间估计 3.4 样本量的确定 学习目标 参数估计的基本原理 点估计与区间估计 评价估计量优良性的标准 一个总体参数的区间估计方法 两个总体参数的区间估计方法 样本量的确定方法 一 估计量与估计值 (estimator estimated value) 参数估计(parameter estimation): 用样本统计量去估计总体的参数 2. 估计量：用于估计总体参数的统计量的名称 如样本均值，样本比例，样本方差等 例如: 样本均值就是总体均值? 的一个估计量 参数用? 表示，估计量用 表示 3.估计值：使用样本计算出来估计量的具体值 如果样本均值 ?x =80，则80就是? 的估计值 1.点估计：用样本的统计量 的某个取值直接作为总体参数的估计值 2.点估计的优缺点 优点：能够明确估计总体参数 缺点：无法给出估计值接近总体参数程度的信息 由于样本是随机的，抽出一个具体的样本得到的估计值很可能不同于总体真值 一个点估计量的可靠性是由它的抽样标准误差来衡量的，这表明一个具体的点估计值无法给出估计的可靠性的度量 无偏性：估计量抽样分布的数学期望等于被 估计的总体参数 一致性：随着样本量的增大，估计量的 值越来越接近被估计的总体参数 三、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估计区间，该区间由样本统计量加减估计误差得到 比如，某班级平均分数在75～85之间，置信水平是95% 置信水平：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，也称置信度 表示为 (1 - ???? ??为是总体参数未在区间内的比例? 常用的置信水平值有 99%, 95%, 90% 相应的 ??为0.01，0.05，0.10 由样本估计量构造出的总体参数在一定置信水平下的估计区间 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 如果用某种方法构造的所有区间中有95%的区间包含总体参数的真值，5%的区间不包含总体参数的真值，那么，用该方法构造的区间称为置信水平为95%的置信区间。同样，其他置信水平的区间也可以用类似的方式进行表述 4. 总体参数的真值是固定的，而用样本构造的区间则是不固定的，因此置信区间是一个随机区间，它会因样本的不同而变化，而且不是所有的区间都包含总体参数 5. 实际估计时往往只抽取一个样本，此时所构造的是与该样本相联系的一定置信水平(比如95%)下的置信区间。我们只能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 6. 当抽取了一个具体的样本，用该样本所构造的区间是一个特定的常数区间，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，因为它可能是包含总体均值的区间中的一个，也可能是未包含总体均值的那一个 7. 一个特定的区间总是“包含”或“绝对不包含”参数的真值，不存在“以多大的概率包含总体参数”的问题 8. 置信水平只是告诉我们在多次估计得到的区间中大概有多少个区间包含了参数的真值，而不是针对所抽取的这个样本所构建的区间而言的 9. 使用一个较大的置信水平会得到一个比较宽的置信区间，而使用一个较大的样本则会得到一个较准确(较窄)的区间。直观地说，较宽的区间会有更大的可能性包含参数 10. 实际应用中，过宽的区间往往没有实际意义 比如，天气预报说“在一年内会下一场雨”，虽然这很有把握，但有什么意义呢？另一方面，要求过于准确(过窄)的区间同样不一定有意义，因为过窄的区间虽然看上去很准确，但把握性就会降低，除非无限制增加样本量，而现实中样本量总是有限的 一个总体均值的区间估计 一、总体均值区间估计的一般表达式 总体均值的置信区间是由样本均值加减估计误差得到的 估计误差由两部分组成：一是点估计量的标准误差，它取决于样本统计量的抽样分布。二是估计时所要的求置信水平为时，统计量分布两侧面积为的分位数值，它取决于事先所要求的可靠程度 总体均值在置信水平下的置信区间可一般性地表达为 总体均值的区间估计(大样本的估计) 1. 假定条件 总体服从正态分布,且方差(?２) 已知 如果不是正态分布，可由正态分布来近似 (n ? 30) 使用正态分布统计量 z 总体均值的区间估计(大样本的估计) 总体均值的区间估计 (大样本的估计) 总体均值的区间估计(小样本的估计) 1. 假定条件 总体服从正态分布,但方差(?２) 未知 小样本 (n 30