大连理工大学大工21春《应用统计》在线作业2.docxVIP

大连理工大学大工21春《应用统计》在线作业2

引言

《应用统计》作为高等教育中一门重要的基础课程，旨在培养学生运用统计方法分析和解决实际问题的能力。大连理工大学21春学期的《应用统计》在线作业2，通常聚焦于课程中承上启下的关键知识点，对于巩固前期所学、为后续深入学习奠定基础具有重要意义。本文将结合课程特点与在线作业的考查重点，对相关核心内容进行梳理与解析，以期为同学们提供有益的学习参考。

一、参数估计：从样本到总体的桥梁

参数估计是统计推断的重要组成部分，其核心思想是利用样本数据所包含的信息来估计总体的未知参数。在线作业中，此部分通常是考查的重点。

1.1点估计的核心要点

点估计是用样本统计量的某个取值直接作为总体未知参数的估计值。例如，我们常用样本均值作为总体均值的点估计，用样本方差作为总体方差的点估计。在线作业中，可能会涉及到对总体均值、总体比例、总体方差等参数的点估计计算。

核心要点：

*无偏性：估计量的数学期望等于被估计的总体参数。这是一个好的估计量应具备的基本性质。

*有效性：在所有无偏估计量中，方差最小的估计量最为有效。

*一致性：随着样本容量的增大，估计量的值越来越接近被估计的总体参数。

在实际应用中，理解这些性质有助于我们选择合适的估计量，并评估估计结果的可靠性。作业中可能会要求判断某个估计量是否为无偏估计，或者比较不同估计量的有效性。

1.2区间估计的应用与计算

相较于点估计给出的单一数值，区间估计提供了一个包含总体参数真值的范围，同时给出了这个范围包含参数真值的可信程度（置信水平）。这在实际决策中更为实用。

核心要点：

*置信区间的构造：对于总体均值的区间估计，当总体方差已知且样本量较大，或总体服从正态分布时，可采用Z分布；当总体方差未知且样本量较小时，则采用t分布。

*置信水平与区间宽度的关系：在样本量固定的情况下，置信水平越高，置信区间越宽；反之亦然。

*样本量对区间宽度的影响：置信水平固定时，样本量越大，置信区间越窄，估计精度越高。

在线作业中，区间估计的计算是常见题型。同学们需要熟练掌握不同条件下（方差已知与未知，大样本与小样本）总体均值置信区间的计算公式，并能根据给定的置信水平（如90%、95%、99%）准确查找相应的Z分位数或t分位数。同时，也应理解置信区间的含义——例如，95%的置信区间意味着，如果我们重复抽取许多样本并构造置信区间，那么大约95%的区间会包含总体参数的真值。

1.3样本量的确定

在进行参数估计之前，确定合适的样本量至关重要。样本量过小，估计精度不足；样本量过大，则会造成资源浪费。样本量的确定与允许的误差范围、置信水平以及总体标准差（或方差）密切相关。

应用与注意事项：

*在估计总体均值时，样本量的计算公式会涉及到允许的边际误差、置信水平对应的分位数以及总体标准差的估计值。

*若总体标准差未知，通常需要通过预调查或以往经验进行估计。

*计算得到的样本量通常为最小样本量，实际应用中可能需要向上取整。

在线作业可能会涉及到给定条件下计算所需样本量的问题，这需要同学们熟记公式并理解各参数的含义。

二、假设检验：基于样本的决策判断

假设检验是另一类重要的统计推断方法，它根据样本数据来判断关于总体参数的某个假设是否成立。在线作业中，假设检验部分往往具有一定的综合性和灵活性。

2.1假设检验的基本思想与步骤

假设检验的基本思想是“小概率原理”，即小概率事件在一次试验中几乎不可能发生。如果在某个假设下，一个小概率事件发生了，我们就有理由怀疑该假设的真实性。

基本步骤：

1.提出原假设（H?）与备择假设（H?）：原假设通常是研究者想要收集证据予以反对的假设，备择假设则是研究者想要支持的假设。两者应相互对立且完备。

2.选择适当的检验统计量：检验统计量的选择取决于总体分布、检验的参数、样本量大小以及总体方差是否已知等因素。

3.确定显著性水平（α）：这是事先规定的允许犯第一类错误（弃真错误）的概率上限，常用的α值有0.01、0.05、0.10。

4.确定拒绝域：根据显著性水平和检验统计量的分布，确定拒绝原假设的临界值或临界区域。

5.计算检验统计量的观测值：根据样本数据计算检验统计量的具体数值。

6.做出决策并得出结论：将检验统计量的观测值与临界值比较，或计算p值与显著性水平α比较，若落入拒绝域（或p值小于α），则拒绝原假设，否则不拒绝原假设。

深刻理解每一步的意义，尤其是原假设与备择假设的设立原则、两类错误（I类错误与II类错误）的含义及其关系，是正确进行假设检验的前提。

2.2单个总体参数的假设检验

在线作业中，针对单个正态总体均值μ和方差σ2的假设检验是考查的重点。

*单个总体均值的检验：

*