抽样分布与参数估计概述.pptxVIP

统计学导论曾五一 肖红叶 主编3-第五章 抽样分布与参数估计 第一节 抽样的根本概念与数学原理 第二节 抽样分布 第三节 参数估计第四节 样本容量确实定 第五节 EXCEL在参数估计中的应用 第一节 抽样的根本概念与数学原理一、有关抽样的根本概念二、大数定理与中心极限定理一、有关抽样的根本概念〔一〕样本容量与样本个数 1.样本容量。样本是从总体中抽出的局部单位的集合，这个集合的大小称为样本容量，一般用n表示，它说明一个样本中所包含的单位数。 一般地，样本单位数大于30个的样本称为大样本，不超过30个的样本称为小样本。 2.样本个数。样本个数又称样本可能数目，它是指从一个总体中可能抽取多少个样本。〔二〕总体参数与样本统计量 1.总体参数。总体分布的数量特征就是总体的参数，也是抽样统计推断的对象。 常见的总体参数有：总体的平均数指标，总体成数(比例)指标，总体分布的方差、标准差等等。它们都是反映总体分布特征的重要指标。 2.样本统计量。样本统计量是样本的一个函数。它们是随机变量。我们利用统计量来估计和推断总体的有关参数。 常见的样本统计量有：样本平均数，样本比例，样本的方差、标准差。〔三〕概率抽样及其组织形式 所谓概率抽样，就是要求对总体的每一次观察〔每一次抽取〕都是一次随机试验，并且有和总体相同的分布。按这样的要求对总体观测〔抽取〕n次，可得到容量为n的样本。 〔四〕放回抽样与不放回抽样〔五〕抽样分布 从总体中可以随机地抽取许多样本，由每一个样本都可以计算样本统计量的观测值，所有可能的样本观测值及其所对应的概率便是所谓的抽样分布。因此，抽样分布也可以称为样本统计量的概率分布。 抽样分布可能是精确地服从某种分布〔所谓分布，例如我们在第四章介绍过的各种常见分布〕，也可能是以某种分布为极限分布。在实际应用中，后者更为多见。表5-3 10人中有放回抽二人的全部可能样本第 二 次 抽 取 可 能 被 抽 中 的 人 员12345678910第 一 次 抽 取 可 能 被 抽 中 的 人 员 11,1(1)1,2(1.5)1,3(2)1,4(2.5)1,5(3)1,6(3.5)1,7(4)1,8(4.5)1,9(5)1,10(5.5)22,1(1.5)2,2(2)2,3(2.5)2,4(3)2,5(3.5)2,6(4)2,7(4.5)2,8(5)2,9(5.5)2,10(6)33,1(2)3,2(2.5)3,3(3)3,4(3.5)3,5(4)3,6(4.5)3,7(5)3,8(5.5)3,9(6)3,10(6.5)44,1(2.5)4,2(3)4,3(3.5)4,4(4)4,5(4.5)4,6(5)4,7(5.5)4,8(6)4,9(6.5)4,10(7)55,1(3)5,2(3.5)5,3(4)5,4(4.5)5,5(5)5,6(5.5)5,7(6)5,8(6.5)5,9(7)5,10(7.5)66,1(3.5)6,2(4)6,3(4.5)6,4(5)6,5(5.5)6,6(6)6,7(6.5)6,8(7)6,9(7.5)6,10(8)77,1(4)7,2(4.5)7,3(5)7,4(5.5)7,5(6)7,6(6.5)7,7(7)7,8(7.5)7,9(8)7,10(8.5)88,1(4.5)8,2(5)8,3(5.5)8,4(6)8,5(6.5)8,6(7)8,7(7.5)8,8(8)8,9(8.5)8,10(9)99,1(5)9,2(5.5)9,3(6)9,4(6.5)9,5(7)9,6(7.5)9,7(8)9,8(8.5)9,9(9)9,10(9.5)1010,1(5.5)10,2(6)10,3(6.5)10,4(7)10,5(7.5)10,6(8)10,7(8.5)10,8(9)10,9(9.5)10,10(10)表5-4 任职年限样本均值分布数列二、大数定理与中心极限定理 大数定理说明：尽管个别现象受偶然因素影响，有各自不同的表现。但是，对总体的大量观察后进行平均，就能使偶然因素的影响相互抵消，消除由个别偶然因素引起的极端性影响，从而使总体平均数稳定下来，反映出事物变化的一般规律。 从正态分布的再生定理可以看出，只要总体变量服从正态分布，那么从中抽取的样本，不管n是多少，样本平均数都服从正态分布。但是在客观实际中，总体并非都是正态分布。对于从非正态分布的总体中抽取的样本平均数的分布问题，需要由中心极限定理来解决。第二节 抽样分布一、样本平均数的抽样分布二、样本比例的抽样分布一、样本平均数的抽样分布〔一〕样本平均数的期望值与方差〔二〕样本平均数的分布规律 例 题1、某地区职工家庭的人均年收入平均为60000元，标准差为8000元。假设知该地区家庭的人人均年收入服从正态分布，现采用重复抽样从总体中随机抽