标准误t分布参数估计研.pptxVIP

1;教学内容：;抽样研究(sampling study) ; 统计推断(statistical inference) ;总体;;问题：已知某市健康儿童共125万人，想知道其平均血糖水平是多少？;;;;一、均数的抽样误差 与标准误;12;13;14;;16;17;18;19; 所以若随机变量X服从X～N (μ , s2) 的正态分布，则以之随机抽样计算的样本均数所构成的分布也呈正态分布。;【实验】：下图是一个正偏态分布，用电脑从中随机抽取样本含量分别为5、10、30、50的样本各1000次，计算样本均数，绘制直方图，并观察其样本均数的分布。;n = 5;当样本容量足够大时(n ? 60) ，样本均数的抽样分布逐渐趋于正态分布; 从偏态总体中抽样，当n足够大时（n大于60），其均数也近似于正态分布。;样本均数的标准误证明*;标准误 (standard error of mean，SME或SE)概念：;;标准误 (standard error，SE)概念：即样本均数的标准差，是描述均数的抽样误差大小的指标。;举例：大规模普查得某地健康成年男子血红蛋白总体均数为μ =135g/L，σ。若在其中进行随机抽样，样本量n=100，样本均数X=130g/L，S，求其理论标准误和样本均数的估计标准误。;均数μ；标准差? N（μ，?2 ） ;;标准差与标准误的区别与联系;既往资料表明某市区新生女婴的平均出生体重为，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，测得样本均数超过的可能性有多大？; 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;二、t分布;均数μ；标准差? N（μ，?2 ）;任意正态分布曲线 X~N(μ,σ2);;;;【实验】：从前述13岁女学生身高这个正态总体中分别作样本量为3或50的随机抽样，各取1000份样本，分别得到1000个样本的均数及其标准误，对它们分别作t 转换，将t 值绘成直方图： 。;【实验三】：从前述13岁女学生身高这个正态总体中分别作样本量为3或50的随机抽样，各取1000份样本，分别得到1000个样本的均数及其标准误，对它们分别作t 转换，将t 值绘成直方图： 。;;t 分布曲线下的整个??积为1； t 分布曲线下从a 到b 的面积为t 值分布在此范围内的百分比，即t 值落在此范围内的概率p。;（三）t 界值表：以自由度?为横标目，概率P为纵标目，表中数字表示当?和 P确定时，对应的是正侧或双侧的t 临界值表，记作t(α,?)或t(α/2,?) 。; 自由度?;例1，求当?=9，单尾概率?时的 t界值;例1，求当?=9，双尾概率?时的 t界值;;三、总体参数的估计;例：测得某地11名20岁男大学生 身高，S，对该地20岁男大学生身高均数进行估计。;;样本统计量 (点估计);56;57;58;59;60;61;62;63;（1）?未知，且n小：按 t 分布原理计算置信区间。;所以，总体均数的100（1-α）%可信区间的通式为： ;例：在某地成年男子中随机抽取25人，测得其脉搏均数为72次/min，标准差为8次/min。试估计该地成年男性脉搏总体均数的95%可信区间。;（2）?未知，但n足够大时（n100）,t 分布逼近 u分布。按 u 分布原理计算置信区间。 ;所以，总体均数的100（1-α）%之置信区间的通式为： ;例 测得某地110名18岁男大学生身高 =，，估计该地18岁男大学生身高均数的95%可信区间。 ;（3）σ已知：;?未知，且n小 ;之前所述的可信区间均有上下限A与B；但是有时可能存在如下情况：专业知识提示样本均数不太可能从一个超过B的总体中抽取的，因为从该总体中抽取一个样本，其均数为当前均数以及更小的可能性是小概率事件；而对比B小多少却不作规定;两总体均数差的可信区间;两总体均数差的可信区间;例 测定28例结核病患者和34例对照者的脑脊液中镁(mmol/L)的含量，结果见下表，试估计结核病人和对照者的脑脊液中镁含量的总体均数之差的95%可信区间。;解：假定两组方差齐，根据公式3-12、13、14可得：;3.可信区间的确切含义;【实验】： 从前面某年某地所有女学生所构成的正态总体N 2)，抽到100份随机样本，计算每份样本的95%可信区间。;表 从正态总体 N 2) 抽到的100份随机样本的可信区间（n=30）;1-5%可信度实