第三章I总体均数估计.pptVIP

医学统计学  福医卫生统计系 林征 2014.9 第三章(I). 总体均数的估计 Chapter III. Parameter Estimation;第三章(I)提纲; 统计推断(statistical inference) ;统计推断(statistical inference);统计推断过程中的一些问题;第一节.样本均数的抽样分布;各个样本均数之间都不相同 各个样本均数都不等于总体均数，有的比总体均数大，有的比它小 相对于各样本的个体值，样本均数间的变异程度较小; 抽样误差(sampling error) ;样本均数的抽样分布 (sampling distribution of mean);;大多数的样本均数相互之间存在差异，绝大多数的样本均数不等于x的总体均数 样本均数的集中趋势位置与个体资料x的集中趋势位置较为接近，样本均数的频数图均呈现出中间多、两边少且基本对称的正态分布特征。 样本均数的分布范围较个体值小；随着样本含量的增大，样本均数的频数分布范围越来越窄 每种样本量的10000个样本均数值所计算出的样本均数的标准差都非常接近 (?为个体资料x的总体标准差，n为样本含量) ;?;样本均数的均数为m证明*;样本均数的标准误证明*;样本均数的标准误 (Standard Error of Mean, SEM) ;从标准误的计算公式中看出它与原先个体观察值的总体标准差s有关，同时也和样本含量n有关 通过扩大样本含量减少标准误；从而减少抽样误差;样本均数标准误的估计值 ;样本均数的抽样分布;2000年某研究者随机调查某地健康成年男性27人，得到血红蛋白的均数为125g/L，标准差为15g/L，试估计该样本的抽样误差？ ;既往资料表明某市区新生女婴的平均出生体重为3.10kg，标准差为0.59kg ；某研究者从该市区中随机抽取一个由100个女婴组成的样本，测得样本均数超过3.15kg的可能性有多大？;样本均数u转换中的实际问题; 在正态总体N(168.18,62)中随机抽样，样本量分别取n =5，n =100，均抽10000个样本，分别计算u’值和u值，其结果如下： ;; 并不满足标准正态分布! 在样本含量较大时它与标准正态分布接近，但是当样本含量较小时，它与标准正态分布相差较远;William Sealey Gosset (1876-1937);第二节. t分布(t-distribution);t分布的概率密度函数*;t分布曲线是单峰的，且关于t = 0对称，这一特征与标准正态分布很相似;当自由度v改变时（实际上是样本含量n改变时），t分布曲线的形态也不一样，因此t分布是一簇分布；而标准正态分布是唯一的;v越小（n越小）则标准误越大，样本均数经过t转换后的t值越分散，t分布的峰越低矮，而且尾部翘得也越高；当自由度逼近∞，因s逼近s，t分布也逼近u分布;t分布曲线的特征 ;t分布曲线下面积 ;求自由度v=5时，P(0~2.02)*;求自由度v=5时，P(0~2.02)*;t分布曲线下面积;t分布曲线下面积;求自由度v为10，单侧概率a=0.05时的t界值，并简述其含义 由表中查得单侧t0.05,10＝1.812 从一个正态总体中随机抽样，每次抽11个个体，分别计算各个样本的均数与标准差，并对之进行t转换后，理论上有P(t≤-1.812)= 0.05或P(t≥1.812)= 0.05; 求自由度v为100，双侧概率a=0.05时的t界值，并简述其含义 由表中查得双侧t0.05/2,100＝1.984 从一个正态总体中随机抽样，每次抽101个个体，分别计算各个样本的均数与标准差，并对之进行t转换后，理论上有 P(t≤-1.984)＋P(t≥1.984)= 0.05;样本方差的分母是n-1证明*;样本方差的分母是n-1证明*;第三节. 参数估计;用样本的估计量直接作为总体参数的估计值，例如：用样本均值直接作为总体均值的估计 其方法简单，但未考虑抽样误差的大小 所以某一数值是否是良好的点估计值是没有意义的，但是计算该数值的方法（指标）是否是一个好方法（指标）确是值得探讨的 ;为了确定一个方法的好坏，需要对多次重复同一个研究的结果进行比较 一个好的点估计方法可以有如下特征：1、无偏性（如果在无数个样本上运用该方法，得到的样本统计量的期望值(均值)等于总体参数）2、有效性（许多次的重复抽样得到的点估计值不应该偏离总体参数太远）3、一致性（样本含量趋于无穷，则统计量趋于参数）4、充分性（估计值充分利