应用统计学：第五章：总体分布丶样本分布与参数估计.pptxVIP

应用统计学;第5章总体分布、样本分布 与参数估计 ?第5.丄节总体分布与样本分布 ?第5.2廿统计量与统讣量的分布 統第5.3节点估计 ?第54节判断点估计的优劣标准 ?第5.5节 区间佔计2J n CO m 統第5.6节SPSS在参数佔计中的应用;第5.丄节总体分布与样本分布;?从无限次随机抽样（然后放回）的角度来看，表征一个存限 贝休特征的变量（指标）,也可以视为随机变量。 ? 2总体（母体）;Ll;?这就是随机样本X】，X2, X3的样本观察值。;?5.1.3样本分布函数（抽样分布函数） 假设R为小F等于样本观察值品勺数班王现的累积频次，〃???为 样本容后，则可用僻析式来表达样本累积频率，得出样本累 积频率分布函数如下 0 当 xxt FJx）= k:/n 当.W xx^2 丨1 当x W x;10;?5.1.4格利文科定理： .当样本容量〃趋于无穷大时，样本分布函数 乙依概率1（关于/均匀地血甌子总可 芬布函数F仞。 ?这是用样本特征推断总体特征的依据。 ?基于格利文科定理，我们可以证明，当n趋 于无穷大时，样本均值依概率1收敛于总体 均值 ?基于格利文科定理，我们同样可以证明，当 n趋于无穷大时，样本方差依概率1收敛于总 体方差;?衆堂提问：在样本均值中，什么与槪率必对应?;?与总体方差的对比:;? 5.1.5随机样本的均值函数 ?作为随机变量的样本均值（又称为样本平均数）定 义为， _ 1 〃;? 5丄6随机样木方差函数 ?作为随机变量的样本方差定义为,;第5.2节统计量与统计量的分布 es.2.1统计量的定义 ?统计量是：不含未知参数的、样本X1，x2,.. Xn的函数，f(Xr X2,…,XJ ?统计量的值是：不含未知参数的、样本观察值 Xi，x2，Xn的函数。;5.2.2基于N(O,1)的儿个重要统计量的分布;? 2. t分布 ? t分布是N (0, 1)分布和X2分布组成的, 其表达式为：;?其图形关于t=o对称，类似于正态分布图 形。自由度n越大，峰越高。;? 3. F分布 ? F(n, m)分布是由两个分布之比组成的:;:;? C);?以下524、525两小节的地位是:;? 1.一般情形;? 2. 一个应用广泛的样木均值函数的均值与 方差：0?1分布的样本均值函数的均值与方 差 ?反映总体中某类个体的比例的随机变量X, 可以简单地用0-1分布B( Lp)来表示。 ?E(X)=p, D(X)=p(l-p)o p就是总体中某 类个体的比例。 _ ?由样本X], X.,…，X”产生均值函数彳 的 均応一P，另養二p(l?p)n ? X的均值也是总体中某类个体的比例c;当I】充分大时,;?以下三节，是参数估计的内容;UL;? 53.2知估计法;? 533极大似然估计法 ?设总体x的（累积）概率分冇函数为歹歹丿，概率密度 函籾E 8）,其中。为未知参数（或未知参数向量）o 若X为离散型随机变量，则X., Xj…，優同时发生的嘅率为 ■ L=P （X]=X[, 乂2=又2,…，Xn=x? 9） =1 I P（X=xjT 9） ,由离散型E连续型的虹应关系，財对应于概率 Pg 0）.:.。的极大似然函数是总体X的随机样本X], X—冬的联合概率密度函数，即：;,极大似然估计的含义是，一组观察值X], X”、在一次实验中出现了，其联合.概率 就应当是最大的。现在有许多“ 〃的估计值”， 可供选择，不同的8的估计值，会使X], X2,…，~出现的联合概率取不同的值，因此， 应当选使联合概率密度L最大的那个的估计值。 ?在上述“。的极大似然估计值”的表达式中，之 所以在括号中放入X], X2,…，、，是因为样本 观察值X】，X),…，七的不同，将导致“。的极 大似然估计宿”的不同。“。的极大似然估计值” 是样本观察值X. x2,七的函数。;? 5.3.4 例 ?设X], X2，…，笔是正态总体。少的一个样本观察值,;第5.4节判断点佔计的优劣标准 ?同样一组样本观察值，不睥浒方法.可以符山不同 的母数的帖计値。例如上例。今更好 呢？ ?这就需要有一些恰当的标席来判别。 ? 5.4.1 XWiilM 如果E（0） = 0.则称购网9无偏佔计量 ? 5.4.2J辨方差性 ?若总体参数为。，估计數0的方差VarW），?卜于等 于其他所有对，的佔计最的方差Var（6 ）?那么，的估 * d就具有最小方差性5 I - V Wl 1;?如果;?显然，“无偏”的估计值，更好一些C ?计算表明，对方差的极大似然估计值;第5.5节区间估计 -^7-----------;? 5-5.1置信区间（概念） ?若总体分布含一个未知参数找出了2个依赖于样本 《?F7-緋估计量： ? 月］（、1，乂2，?..，X】）