统计学05参数估计基础.pptxVIP

第五讲：参数 估计基础现实中的研究过程 总体总体均值、比例、方差等样本统计量例如：样本均值、比例、方差样本统计推断（statistical inference） 采用抽样研究的方法，由某总体中随机抽取一个有代表性的样本，并根据样本提供的信息（统计量）推断总体特征、性质（参数）的过程称为统计推断 统计推断（statistical inference） 统计推断包括两个重要的方面：一是利用样本统计量的信息对相应总体参数值做出推断，如用样本均数估计总体均数，用样本标准差估计总体标准差等，称之为参数估计另一个是利用样本统计量来推断我们是否接受一个事先的假设，称之为假设检验在统计推断过程中的一些问题不同的研究者对相同的总体作类似的抽样研究可能会得到不同的样本统计量各自用样本统计量估计总体的参数，样本统计量与总体参数间是否完全相等？如何评价他们的准确性？抽样误差（sampling error） 实测值与真实值的差别称为误差；抽样误差为随机误差中的随机抽样误差，它是指由随机抽样引起的，样本统计量与相应总体参数间的差异抽样误差的根源是个体变异，因此，只要有个体变异，抽样就必将导致抽样误差，即抽样误差是不可避免的但是抽样误差却有一定的规律性，可以通过统计学的方法估计其大小，并通过适当扩大样本含量使之减小抽样误差有两种表现形式，其一是样本统计量与总体参数间的差异，其二是样本统计量间的差异 已知某地高中三年级男生的身高满足正态分布，其平均身高为168.15厘米，这里，将该地高中三年级男生的身高视为一个总体。现从该总体中随机抽样5次，每次抽取一个样本含量n=10的样本，得到的5个样本的数据及各样本均数如下：样本号样本含量(n=10)1161.1173.7173.7167.3162.2162.2166.6166.6157.4157.4164.822166.8159.1159.1166.1173.3173.3169.1169.1165.2165.2166.633157.4174.0172.3175.8166.6182.1163.1159.4159.4177.3168.744174.5182.1168.5171.3174.1165.6173.7171.9167.5164.1171.335164.1166.6169.6169.6173.8173.2164.3166.6182.1165.4169.53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样本均数的抽样分布 (sampling distribution of mean) 仍以某地高三男生的身高为例，设身高变量为x，假定x服从正态分布，记为x~N(168.15, 62)从总体X中反复随机抽样，样本含量分别为n=4，n=16和n=36，分别随机抽10000个样本并计算样本均数，把同一样本含量的10000个样本均数视为一个新的样本资料作频数图，并且分别给出同一样本含量的前20个样本均数n=4n=16n=36均数均数均数均数均数均数1169.22 11166.82 1167.91 11168.10 1168.37 11166.71 2169.61 12162.47 2170.19 12166.45 2167.47 12167.76 3165.73 13170.02 3168.60 13168.85 3170.36 13169.46 4166.60 14171.53 4165.48 14169.72 4167.16 14168.31 5169.99 15168.16 5168.95 15168.74 5168.68 15167.90 6166.43 16164.25 6168.54 16172.50 6168.78 16168.43 7171.77 17164.63 7167.87 17168.52 7169.54 17167.60 8166.65 18164.72 8168.66 18167.15 8168.77 18167.17 9170.71 19165.83 9170.01 19166.19 9167.61 19168.94 10170.84 20169.83 10167.19 20166.15 10168.95 20169.29 样本含量n=4样本含量n=16样本含量n=36 从正态分布总体N(168.15,62)中随机抽样10000次的结果曲线是正态总体N(168.15,62)的概率密度曲线直方图为正态分布总体N(168.15,62)的样本均数的频率密度图 理论上可以证明：从正态分布的总体 中随机抽取样本含量为n的一批样本，样本均数 有如下性质 ： 1. 样本均数 服从