第二讲抽样分布和估计.pptVIP

统计学家视数据为资源，并且试图从数据中看出平常人所看不到的景致来。 第一讲内容复习 统计学的定义、分类； 认识数据的第一步：你得到的是什么类型的数据？ 利用图表展示数据中的信息； 运用指标刻画数据的某些特征和程度； 使用EXCEL来描述数据； 第一讲作业以及案例讨论 第二讲 抽样分布和估计 2001年9月22日 统计推断的基本概念 总体：有限总体、无限总体； 样本； 统计推断的任务：通过样本的统计量来了解总体的参数。 为什么需要抽样： 1） 总体无法得到； 2） 时间成本不允许； 3） 实验具有破坏性。 统计推断的基本思想 1）选用一个概率模型来刻画总体，使用样本对模型做出推断； 2）样本的获取的可能性依赖于你选用的模型；根据这种可能性来分析我们由部分来认识总体所可能犯的错误（风险）。 统计推断的内容之一 估计参数 点估计和区间估计 点估计的例子 居民家庭年收入 统计推断内容之二 假设检验：是否可以选用这个模型？ 例子： 是否可以使用模型N(570,306)来刻画所有居民的家庭年收入？ 思想： 如果该模型是好的，那么 和570相差很多的可能性不能太大。 简单随机抽样 有限总体的简单随机抽样：等概率抽样； 有放回抽样：独立性 无放回抽样：非独立性 抽样方法：利用随即数表 利用 Excel 随机数表的使用 77191 25860 55204 73417 83920 69486 76298 26678 89334 33938 95567 29380 57099 10528 09925 89773 41335 96244 15987 46962 67342 77592 57651 95508 53122 16025 84299 53310 67380 84249 37203 64516 51530 37069 40216 61374 无限总体的简单随机抽样：独立性； 例子：掷硬币 样本和总体分布 例子：薯片 一个箱子中有10000包薯片，其中50%标价5元， 30%标价10元， 10%标价15元， 10%标价30元。 点估计的方法 估计量（统计量）；估计值。 基于一定的准则求最好的估计量。 极大似然法则； 矩估计； 最小二乘估计等 抽样分布 样本不同， 值也不同。那么 取不同值的可能性分别是什么？ 的概率分布称作它的抽样分布。 抽样分布在统计推断中的中心地位。 抽样分布取决于总体的分布（模型）以及抽样的方式。 抽样方式 总体分布=====? 抽样分布 样本均值的抽样分布（无限总体） 如果总体服从 , 那么简单随机样本的均值服从正态分布 如果样本容量n非常大，而且总体的期望是?，方差是?2〈+?，那么简单随机样本的均值 近似服从正态分布 （中心极限定理） 样本比率的抽样分布 （无限总体） 小样本情况 x服从二项式分布B(n,p). 大样本情况，按照中心极限定理，近似地 正态分布的图形 有限总体的修正系数 设N是总体中个体的个数，n是样本容量， 那么样本均值的方差是： 样本比率的方差是： 注：如果N相比n大很多，比如n/N?5%,可以视为无限总体。 样本方差的抽样分布 如果 是来自正态总体 的一个随机样本，定义样本方差为： 认识卡方分布 方差未知时样本均值的抽样分布 正态总体，?2未知，使用样本方差s2来替代?2，则样本均值满足： n30时，可以用标准正态分布近似。 正态分布和t 分布的比较 估计的误差 不能以个别估计值作为评价准则； 估计的误差： 对估计量的评价 无偏性：偏差是零； 有效性：方差最小； 一致性：样本容量增加会降低估计误差。 样本均值（比率）是对总体均值（比率）的一个无偏的、有效的、一致的估计量。 将概率模型引入统计推断中来刻画总体，可以使得我们能够测量和控制由部分（样本）来推断总