统计学第5章参数估计.ppt

不象其他科学，统计从来不打算使自己完美无缺，统计意味着你永远不需要确定无疑。Gudmund R.Iversen,统计名言,第 5 章 数值变量的推断参数估计,5.1 参数估计的基本原理 5.2 一个总体参数的区间估计5.3 两个总体参数的区间估计5.4 样本量的确定,parameter estimation,学习目标,参数估计的基本原理点估计与区间估计评价估计量优良性的标准一个总体参数的区间估计方法两个总体参数的区间估计方法样本量的确定方法,大学生每周上网花多少时间？,为了解学生每周上网花费的时间，中国人民大学公共管理学院的4名本科生对全校部分本科生做了问卷调查。调查的对象为中国人民大学在校本科生，调查内容包括上网时间、途径、支出、目的、关心的校园网内容，以及学生对收费的态度，包括收费方式、价格等问卷调查由调查员直接到宿舍发放并当场回收。对四个年级中每年级各发60份问卷，其中男、女生各30份。共收回有效问卷共200份。其中有关上网时间方面的数据经整理如下表所示,大学生每周上网花多少时间？,平均上网时间为8.58小时，标准差为0.69小时。全校学生每周的平均上网时间是多少？每周上网时间在12小时以上的学生比例是多少？你做出估计的理论依据是什么？,5.1 参数估计的基本原理 5.1.1 点估计与区间估计 5.1.2 评价估计量的标准,第 5 章 参数估计,5.1.1 点估计与区间估计,5.1 参数估计的基本原理,参数估计(parameter estimation)就是用样本统计量去估计总体的参数估计量：用于估计总体参数的统计量的名称如样本均值，样本比例，样本方差等例如:样本均值就是总体均值 的一个估计量参数用 表示，估计量用 表示估计值：估计参数时计算出来的统计量的具体值如果样本均值 x=80，则80就是 的估计值,估计量与估计值(estimator&estimated value),点估计(point estimate),用样本的估计量的某个取值直接作为总体参数的估计值例如：用样本均值直接作为总体均值的估计；用两个样本均值之差直接作为总体均值之差的估计无法给出估计值接近总体参数程度的信息由于样本是随机的，抽出一个具体的样本得到的估计值很可能不同于总体真值一个点估计量的可靠性是由它的抽样标准误差来衡量的，这表明一个具体的点估计值无法给出估计的可靠性的度量,区间估计(interval estimate),在点估计的基础上，给出总体参数估计的一个估计区间，该区间由样本统计量加减估计误差而得到根据样本统计量的抽样分布能够对样本统计量与总体参数的接近程度给出一个概率度量比如，某班级平均分数在7585之间，置信水平是95%,区间估计的图示,将构造置信区间的步骤重复很多次，置信区间包含总体参数真值的次数所占的比例，也称置信度 表示为(1-为是总体参数未在区间内的比例常用的置信水平值有 99%,95%,90%相应的 为0.01，0.05，0.10,置信水平(confidence level),由样本估计量构造出的总体参数在一定置信水平下的估计区间统计学家在某种程度上确信这个区间会包含真正的总体参数，所以给它取名为置信区间如果用某种方法构造的所有区间中有95%的区间包含总体参数的真值，5%的区间不包含总体参数的真值，那么，用该方法构造的区间称为置信水平为95%的置信区间。同样，其他置信水平的区间也可以用类似的方式进行表述,置信区间的表述(confidence interval),总体参数的真值是固定的，而用样本构造的区间则是不固定的，因此置信区间是一个随机区间，它会因样本的不同而变化，而且不是所有的区间都包含总体参数实际估计时往往只抽取一个样本，此时所构造的是与该样本相联系的一定置信水平(比如95%)下的置信区间。我们只能希望这个区间是大量包含总体参数真值的区间中的一个，但它也可能是少数几个不包含参数真值的区间中的一个,置信区间的表述(confidence interval),当抽取了一个具体的样本，用该样本所构造的区间是一个特定的常数区间，我们无法知道这个样本所产生的区间是否包含总体参数的真值，因为它可能是包含总体均值的区间中的一个，也可能是未包含总体均值的那一个一个特定的区间总是“包含”或“绝对不包含”参数的真值，不存在“以多大的概率包含总体参数”的问题置信水平只是告诉我们在多次估计得到的区间中大概有多少个区间包含了参数的真值，而不是针对所抽取的这个样本所构建的区间而言的正确的表述：计算置信水平为95%的置信区间是一种方法，该方法使得区间以95%的概率覆盖总体参数,置信区间的表述(confidence interval),置信区间的表述(95%的置信区间),从均值为185的总体中抽出n=10的20个样本构造出的20个置信区间,我没有抓住参数！,点估计值,使用一个较大的置信水平会得到一个比较宽的置信区间，而使用一个较大的样本则会得到一个较准确(较窄)的区间。直观地说，较宽的区间会有更大的可能性包含参数但实际应用中，过宽的区间往往没有实际意义比如，天气预报说“在一年内会下一场雨”，虽然这很有把握，但有什么意义呢？另一方面，要求过于准确(过窄)的区间同样不一定有意义，因为过窄的区间虽然看上去很准确，但把握性就会降低，除非无限制增加样本量，而现实中样本量总是有限的区间估计总是要给结论留点儿余地,置信区间的表述(confidence interval),5.1.2 评价估计量的标准,5.1 参数估计的基本原理,无偏性(unbiasedness),无偏性：估计量抽样分布的数学期望等于被 估计的总体参数,有效性(efficiency),有效性：对同一总体参数的两个无偏点估计 量，有更小标准差的估计量更有效,一致性(consistency),一致性：随着样本量的增大，估计量的 值越来越接近被估计的总体参数,5.2 一个总体参数的区间估计 5.2.1 总体均值的区间估计 5.2.2 总体比例的区间估计 5.2.3 总体方差的区间估计,第 5 章 参数估计,5.2.1 总体均值的区间估计,5.2 一个总体参数估计的区间估计,一个总体参数的区间估计,总体均值区间的一般表达式,总体均值的置信区间是由样本均值加减估计误差得到的估计误差由两部分组成：一是点估计量的标准误差，它取决于样本统计量的抽样分布。二是估计时所要的求置信水平为时，统计量分布两侧面积为的分位数值，它取决于事先所要求的可靠程度总体均值在置信水平下的置信区间可一般性地表达为,样本均值分位数值样本均值的标准误差,总体均值的区间估计(大样本的估计),1.假定条件总体服从正态分布,且方差()已知如果不是正态分布，可由正态分布来近似(n 30)使用正态分布统计量 z,总体均值 在1-置信水平下的置信区间为,总体均值的区间估计(大样本的估计),【例5-1】一家保险公司收集到由36个投保人组成的随机样本，得到每个投保人的年龄(单位：周岁)数据如下表。试建立投保人年龄90%的置信区间,总体均值的区间估计(大样本的估计),解：已知n=36,1-=90%，z/2=1.645。根据样本数据计算得：，总体均值在1-置信水平下的置信区间为,投保人平均年龄的置信区间为37.37岁41.63岁,总体均值的区间估计(小样本的估计),1.假定条件总体服从正态分布,但方差()未知小样本(n 30)使用 t 分布统计量,总体均值 在1-置信水平下的置信区间为,总体均值的区间估计(小样本的估计),【例5-2】一家食品生产企业以生产袋装食品为主，为对产量质量进行监测，企业质检部门经常要进行抽检，以分析每袋重量是否符合要求。现从某天生产的一批食品中随机抽取了25袋，测得每袋重量如下表所示。已知产品重量的分布服从正态分布，且总体标准差为10克。试估计该批产品平均重量的置信区间，置信水平为95%,总体均值的区间估计(小样本的估计),解：已知N(，102)，n=25,1-=95%，z/2=1.96。根据样本数据计算得：。由于是正态总体，且方差已知。总体均值在1-置信水平下的置信区间为,该食品平均重量的置信区间为101.44g109.28g,总体均值的区间估计(小样本的估计),【例5-3】已知某种灯泡的寿命服从正态分布，现从一批灯泡中随机抽取16只，测得其使用寿命(单位：h)如下。建立该批灯泡平均使用寿命95%的置信区间,总体均值的区间估计(小样本的估计),解：已知N(，2)，n=16,1-=95%，t/2=2.131 根据样本数据计算得：，总体均值在1-置信水平下的置信区间为,该种灯泡平均使用寿命的置信区间为1476.8h1503.2h,用SPSS求置信区间(小样本),SPSS的输出结果,5.2.2 总体比例的区间估计,5.2 一个总体参数估计的区间估计,总体比例的区间估计(传统方法),1.假定条件总体服从二项分布可以由正态分布来近似np(成功次数)和n(1-p)(失败次数)均应该大于10使用正态分布统计量 z,3.总体比例在1-置信水平下的置信区间为,样本比例分位数值样本比例的标准误差,总体比例的区间估计(例题分析传统方法),【例5-4】某城市想要估计下岗职工中女性所占的比例，随机地抽取了100名下岗职工，其中65人为女性职工。试以95%的置信水平估计该城市下岗职工中女性比例的置信区间,解：已知 n=100，p65%,1-=95%，z/2=1.96,该城市下岗职工中女性比例的置信区间为55.65%74.35%,一个总体比例的区间估计(现代方法),按照传统方法计算出来的置信水平为(1-)的置信区间能够覆盖总体真实比例的概率小于(1-)，既是大样本也是如此，更不可能应用于小样本根据经验法则：传统方法要求np(成功次数)和n(1-p)(失败次数)均应该大于10(也有些书上说大于5)对于非常大的样本，传统方法和现代方法的结果几乎相同，但对于小样本或中等样本现代方法更适用,一个总体比例的区间估计(现代方法),通过修正试验次数n(样本量)和试验成功的比例P(样本比例)改进置信区间将试验次数n加上4，即用 代替n；将试验成功的次数x加上2，即用 代替p对于任意大小的样本都可以使用该方法计算置信区间只是在样本较小时，偶尔会有区间下限小于0或区间上限大于1的情况发生。此时可用0代替小于0的下限，用1代替大于1的上限,一个总体比例的区间估计(现代方法),设总体服从二项分布，即X(n，p)，x为n次独立伯努利试验成功的次数，P为成功的概率定义 和 总体比例在1-置信水平下的置信区间该区间也称为Agresti-Coull区间(由Alan Agresti和Brent Coull给出，以其姓氏命名)如果下限小于0则用0代替；如果上限大于1则用1代替,一个总体比例的区间估计(现代方法),【例】某城市想要估计下岗职工中女性所占的比例，随机地抽取了100名下岗职工，其中65人为女性职工。试以95%的置信水平估计该城市下岗职工中女性比例的置信区间,解：,该城市下岗职工中女性比例的置信区间为47.72%79.12%,5.2.3 总体方差的区间估计,5.2 一个总体参数估计的区间估计,总体方差的区间估计,1.估计一个总体的方差或标准差2.假设总体服从正态分布总体方差 2 的点估计量为s2,且,4.总体方差在1-置信水平下的置信区间为,总体方差的区间估计(图示),总体方差的区间估计(例题分析),【例5-5】一家食品生产企业以生产袋装食品为主，现从某天生产的一批食品中随机抽取了25袋，测得每袋重量如下表所示。已知产品重量的分布服从正态分布。以95%的置信水平建立该种食品重量方差的置信区间,总体方差的区间估计(例题分析),解:已知n25，1-95%,根据样本数据计算得 s2=93.21 2置信度为95%的置信区间为,该企业生产的食品总体重量标准差的的置信区间为7.54g13.43g,一个总体参数的区间估计(小结),5.3 两个总体参数的区间估计 5.3.1 两个总体均值之差的区间估计 5.3.2 两个总体比例之差的区间估计 5.3.3 两个总体方差比的区间估计,第 5 章 参数估计,两个总体参数的区间估计,5.3.1 两个总体均值之差的区间估计,5.3 两个总体参数估计的区间估计,均值之差区间的一般表达式,两个总体均值的置信区间是由两个样本均值之差加减估计误差得到的估计误差由两部分组成：一是点估计量的标准误差，它取决于样本统计量的抽样分布。二是估计时所要的求置信水平为时，统计量分布两侧面积为的分位数值，它取决于事先所要求的可靠程度两个总体均值之差(1-2)在置信水平下的置信区间可一般性地表达为,(x1-x2)分位数值(x1-x2)的标准误差,两个总体均值之差的估计(独立大样本),1.假定条件两个总体都服从正态分布，1、2已知若不是正态分布,可以用正态分布来近似(n130和n230)两个样本是独立的随机样本使用正态分布统计量 z,两个总体均值之差的估计(独立大样本),1.1，2已知时，两个总体均值之差1-2在1-置信水平下的置信区间为,1、2未知时，两个总体均值之差1-2在1-置信水平下的置信区间为,两个总体均值之差的估计(独立大样本),【例5-6】某地区教育管理部门想估计两所中学的学生高考时的英语平均分数之差，为此在两所中学独立抽取两个随机样本，有关数据如右表。建立两所中学高考英语平均分数之差95%的置信区间,English,两个总体均值之差的估计(独立大样本),解:两个总体均值之差在1-置信水平下的置信区间为,两所中学高考英语平均分数之差的置信区间为5.03分10.97分,两个总体均值之差的估计(独立小样本:12=22),1.假定条件两个总体都服从正态分布两个总体方差未知但相等：1=2两个独立的小样本(n130和n230)总体方差的合并估计量,估计量x1-x2的抽样标准差,两个总体均值之差的估计(独立小样本:12=22),两个样本均值之差的标准化两个总体均值之差1-2在1-置信水平下的置信区间为,两个总体均值之差的估计(独立小样本:12=22),【例5-7】为估计两种方法组装产品所需时间的差异，分别对两种不同的组装方法各随机安排12名工人，每个工人组装一件产品所需的时间(单位：min)下如表。假定两种方法组装产品的时间服从正态分布，且方差相等。试以95%的置信水平建立两种方法组装产品所需平均时间差值的置信区间,两个总体均值之差的估计(独立小样本:12=22),解:根据样本数据计算得 合并估计量为,两种方法组装产品所需平均时间之差的置信区间为0.14分钟7.26分钟,两个总体均值之差的估计(独立小样本:12 22),1.假定条件两个总体都服从正态分布两个总体方差未知且不相等：12两个独立的小样本(n130和n230)使用统计量,两个总体均值之差的估计(独立小样本:12 22),两个总体均值之差1-2在1-置信水平下的置信区间为,用SPSS求两个总体均值之差置信区间(例题分析),检验两个总体的方差是否相等。原假设是相等，如Sig.很小，则表明两个总体方差不相等，此时使用区间“假设方差相等”，否则使用区间“假设方差不相等”。本例使用“假设方差相等”,求置信区间,SPSS,两个总体均值之差的估计(独立小样本:12 22),【例5-8】沿用前例。假定第一种方法随机安排12名工人，第二种方法随机安排8名工人，即n1=12，n2=8，所得的有关数据如表。假定两种方法组装产品的时间服从正态分布，且方差不相等。以95%的置信水平建立两种方法组装产品所需平均时间差值的置信区间,两个总体均值之差的估计(独立小样本:12 22),解:根据样本数据计算得 自由度为,两种方法组装产品所需平均时间之差的置信区间为0.192分钟9.058分钟,用SPSS求两个总体均值之差置信区间(例题分析),SPSS的输出结果(只截取估计的部分),检验两个总体的方差是否相等。原假设是相等，如Sig.很小，则表明两个总体方差不相等，此时使用区间“Equal variances not assumed”，否则使用区间“Equal variances assumed”。本例使用“Equal variances assumed”,两个总体均值之差的估计(匹配大样本),假定条件两个匹配的大样本(n1 30和n2 30)两个总体各观察值的配对差服从正态分布两个总体均值之差d=1-2在1-置信水平下的置信区间为,d 分位数值d 的标准误差,两个总体均值之差的估计(匹配小样本),假定条件两个匹配的小样本(n1 30和n2 30)两个总体各观察值的配对差服从正态分布 两个总体均值之差d=1-2在1-置信水平下的置信区间为,两个总体均值之差的估计(匹配小样本),【例5-9】由10名学生组成一个随机样本，让他们分别采用A和B两套试卷进行测试，结果如下表。试建立两种试卷分数之差d=1-2 95%的置信区间,STATISTICS,两个总体均值之差的估计(匹配小样本),解:根据样本数据计算得,两种试卷所产生的分数之差的置信区间为6.33分15.67分,用SPSS求配对小样本均值之差置信区间(例题分析),SPSS的输出结果(只截取估计的部分),用求置信区间,SPSS,5.3.2 两个总体比例之差的区间估计,5.3 两个总体参数估计的区间估计,1.假定条件两个总体服从二项分布可以用正态分布来近似两个样本是独立的n1p1和n1(1-p1)，n2p2和n2(1-p2)，均应该大于102.两个总体比例之差1-2在1-置信水平下的置信区间为,两个总体比例之差的区间估计(传统方法),(p1-p2)分位数值(p1-p2)的标准误差,两个总体比例之差的估计(例题分析传统方法),【例5-10】在某个电视节目的收视率调查中，农村随机调查了400人，有32%的人收看了该节目；城市随机调查了500人，有45%的人收看了该节目。试以95%的置信水平估计城市与农村收视率差别的置信区间,两个总体比例之差的估计(例题分析传统方法),解:已知 n1=500，n2=400，p1=45%，p2=32%，1-=95%，z/2=1.96 1-2置信度为95%的置信区间为,城市与农村收视率差值的置信区间为6.68%19.32%,两个总体比例之差的区间估计(现代方法),通过修正试验次数n1、n2(样本量)和试验成功的比例P1、P2(样本比例)改进置信区间将试验次数n1和n1各加上2，即用 代n1，代替n2；将试验成功的次数x1和x2各加上1，即用 代替p1，用 代替p2对于任意大小的样本都可以使用该方法计算置信区间,两个总体比例之差的区间估计(现代方法),设两总体都服从二项分布，即X1(n1，p1)，X2(n2，p2)。x1为n1次独立伯努利试验成功的次数，P1位成功的概率概率，x2 为n2次独立伯努利试验成功的次数，P2为成功的概率定义，；，1-2在1-置信水平下的置信区间该区间也称为Agresti-Caffo区间(由Alan Agresti和Brian Caffo给出，以其姓氏命名)如果下限小于-1则用-1代替；如果上限大于1则用1代替,5.3.3 两个总体方差比的区间估计,5.3 两个总体参数估计的区间估计,两个总体方差比的区间估计,1.比较两个总体的方差比用两个样本的方差比来判断如果S12/S22接近于1,说明两个总体方差很接近如果S12/S22远离1,说明两个总体方差之间存在差异总体方差比在1-置信水平下的置信区间为,两个总体方差比的区间估计(图示),两个总体方差比的区间估计(例题分析),【例5-11】为了研究男女学生在生活费支出(单位：元)上的差异，在某大学各随机抽取25名男学生和25名女学生，得到下面的结果 男学生：女学生：试以90%置信水平估计男女学生生活费支出方差比的置信区间,两个总体方差比的区间估计(例题分析),解:根据自由度 n1=25-1=24，n2=25-1=24，查得 F/2(24)=1.98，F1-/2(24)=1/1.98=0.505 12/22置信度为90%的置信区间为,男女学生生活费支出方差比的置信区间为0.471.84,两个总体参数的区间估计(小结),5.4 样本量的确定 5.4.1 估计总体均值时样本量的确定 5.4.2 估计总体比例时样本量的确定,第 5 章 参数估计,6.4.1 估计总体均值时样本量的确定,6.4 样本量的确定,估计总体均值时样本量n为样本量n与总体方差 2、边际误差E、可靠性系数Z或t之间的关系为与总体方差成正比与边际误差的平方成反比与可靠性系数成正比样本量的圆整法则：当计算出的样本量不是整数时，将小数点后面的数值一律进位成整数，如24.68取25，24.32也取25等等,估计一个总体均值时样本量的确定,其中：,估计一个总体均值时样本量的确定(例题分析),【例5-12】拥有工商管理学士学位的大学毕业生年薪的标准差大约为2000元，假定想要估计年薪95%的置信区间，希望边际误差为400元，应抽取多大的样本量？,估计一个总体均值时样本量的确定(例题分析),解:已知=2000，E=400,1-=95%，z/2=1.96 应抽取的样本量为,即应抽取97人作为样本,估计两个总体均值之差时样本量的确定,设n1和n2为来自两个总体的样本，并假定n1=n2根据均值之差的区间估计公式可得两个样本的容量n为,其中：,估计两个总体均值之差时样本量的确定(例题分析),【例5-13】一所中学的教务处想要估计试验班和普通班考试成绩平均分数差值的置信区间。要求置信水平为95%，预先估计两个班考试分数的方差分别为：试验班12=90，普通班 22=120。如果要求估计的误差范围(边际误差)不超过5分，在两个班应分别抽取多少名学生进行调查？,English,估计两个总体均值之差时样本量的确定(例题分析),解:已知12=90，22=120，E=5,1-=95%，z/2=1.96,即应抽取33人作为样本,6.4.2 估计总体比例时样本量的确定,6.4 样本量的确定,根据比例区间估计公式可得样本量n为,估计一个总体比例时样本量的确定,E的取值一般小于0.1 未知时，可取使方差达到最大的值0.5,其中：,估计总体比例时样本量的确定(例题分析),【例5-14】根据以往的生产统计，某种产品的合格率约为90%，现要求边际误差为5%，在求95%的置信区间时，应抽取多少个产品作为样本？,解:已知=90%，=0.05，z/2=1.96，E=5%,应抽取的样本量为,应抽取139个产品作为样本,设n1和n2为来自两个总体的样本，并假定n1=n2根据比例之差的区间估计公式可得两个样本的容量n为,估计两个总体比例之差时样本量的确定,其中：,估计两个总体比例之差时样本量的确定(例题分析),【例5-15】一家瓶装饮料制造商想要估计顾客对一种新型饮料认知的广告效果。他在广告前和广告后分别从市场营销区各抽选一个消费者随机样本，并询问这些消费者是否听说过这种新型饮料。这位制造商想以10%的误差范围和95%的置信水平估计广告前后知道该新型饮料消费者的比例之差，他抽取的两个样本分别应包括多少人？(假定两个样本量相等),估计两个总体比例之差时样本量的确定(例题分析),解:E=10%,1-=95%，z/2=1.96，由于没有的信息，用0.5代替,即应抽取193位消费者作为样本,本章图解,本章小结,参数估计的基本原理一个总体参数的区间估计两个总体参数的区间估计样本量的确定,结 束,THANKS,