参数估计基础研究生.ppt
1,参数估计基础,-抽样分布 马金香 1021311,2,统 计 推 断,用样本信息推断总体特征，称统计推断(statistical inference)统计推断包括总体参数估计和假设检验总体指标和样本的统计指标是有误差的，称为抽样误差,3,抽样误差,从总体均数 为155.4cm，标准差 为5.3cm的正态分布总体中随机抽样。样本大小为30,n=30,.,4,从正态总体 抽样得到的1000个样本均数的频数分布(ni=30),5,Mean=155.426 Std=0.966,6,抽样误差,结果：各样本均数不一定等于总体均数样本均数间存在差异样本均数的分布规律：围绕总体均数上下波动样本均数的变异：由样本均数的标准差描述。,7,抽样误差,抽样误差Sampling error 由抽样引起的样本统计量与总体参数间的差异来源:个体变异抽样表现样本统计量与总体参数间的差异样本统计量间的差异,8,样本均数的规律性随机的在概率意义下是有规律的-抽样分布通过大量重复抽样,借助频数表描述样本均数的变异规律(抽样分布)与个体观察值变异规律有关即使只有一个样本资料,也可由样本资料的个体观察值的变异规律间接得到样本均数的变异规律,抽样分布,9,正态总体样本均数的分布,已知某地高三男生的平均身高为,标准差为,将其视为一个总体。从该总体中随机抽样样本含量为n每次抽取10000个样本并计算各自的样本均数以10000个样本均数作为一个新的样本制作频数图,10,抽样1,样本含量n=4 的平均数=168.19 的标准差=2.9670,11,抽样2,样本含量 n=16 的平均数=168.158 的标准差=1.4884,12,抽样3,样本含量 n=36 的平均数=168.1493 的标准差=0.9997,13,从正态分布的总体 中随机抽取样本含量为n的样本X1，X2，Xn，其样本均数 服从正态分布，总体均数为；样本均数的总体标准差若，则其中任意一个随机样本Xn的均数,正态总体样本均数的分布,14,样本均数的标准差，称为样本均数的标准误(standard error of mean,SE)，简称均数标准误它反映样本均数之间的离散程度，也反映样本均数抽样误差的大小。误差大小，实质是要估计 的分布特征,正态总体样本均数的分布,15,由于实际 往往未知，需要用样本 来估计，样本均数标准误的估计式为注意区别：证明：,正态总体样本均数的分布,16,非正态总体样本均数的分布,从总体均数为1的指数分布中抽样，样本大小分别为4，9，100。每次抽10000个样本制作频数分布图,17,18,19,抽样1,样本含量n=4 的平均数=1.0133 的标准差=0.5031 的中位数=0.9298,20,抽样2,样本含量n=9 的平均数=0.9959 的标准差=0.3332 的中位数=0.9574,21,抽样3,样本含量n=100 的平均数=0.9993 的标准差=0.1001 的中位数=0.9958,22,从非正态指数分布总体中随机抽样所得样本均数：在样本含量较小时呈偏态（非指数型）样本含量较大时接近正态分布均数 始终在总体均数 附近均数 的标准差,非正态总体样本均数的分布,23,中心极限定理及其应用,样本均数 总体标准差是个体资料X的总体标准差的；即理论标准误理论标准误的样本估计值为样本均数 与 个体资料X的集中位置相同，即样本均数 的总体均数与 个体资料X的总体均数 相同,24,中心极限定理及其应用,若个体资料X服从正态总体，则样本均数 也服从正态分布；个体资料X服从偏态分布，当样本量n较大时，样本均数 近似服从正态分布,25,例 已知在某地7岁正常发育男孩的身高服从正态分布N(121,52)正常发育7岁男孩身高的95%范围为(111.2，130.8)若在该地正常7岁男孩中随机抽一个样本，样本含量为100，则样本均数的95范围为=(120.2，121.98)，,26,t分布,标准正态分布与t统计量 实际研究中未知，用样本的标准差S作为的一个近似值(估计值)代替，得到变换后的统计量并记为,27,如在正态总体N(168.18,62)中随机抽样，样本量分别取n=5，n=100，均抽10000个样本，分别计算t值和U值并作相应t的频数图,t分布,28,t分布,样本含量n=5,样本含量n=100,t统计量的频数图,29,结果小样本时，t统计量和U统计量的分布有明显差别大样本时，t统计量和U统计量的分布非常接近。频数图当样本量较大时，统计量t的频数图与标准正态分布曲线非常接近样本含量较小时，t统计量的峰值比标准正态分布的峰值略小，双侧尾部的值则较标准正态分布略大,t分布,30,英国统计学家W.S.Gosset(1908)设 并给出了统计量t的分布规律，并称统计量t的分布规律为t分布，自由度为v，记为t(v)分布。每个自由度v对应一个分布，因此t分布是一簇分布 t分布仅与总体均数有关，与总体标准差无关,t分布,31,三条t分布密度曲线,t分布,32,t分布的图形特征,分布特征 t分布曲线是单峰的关于t=0对称自由度越大，t值越小 t分布与正态分布的关系 自由度v较小时，t分布与标准正态分布相差较大，并且t分布曲线的尾部面积大于标准正态分布曲线的尾部面积当自由度 时，t分布逼近于标准正态分布。,33,t分布的界值,给定自由度v，t分布曲线的双侧尾部面积为时对应的t值，记为并称 为t的双侧界值 单侧界值：一侧尾部面积为时对应的t值对称性得：单侧曲线下面积=2双侧曲线下面积同样的尾部面积，t分布的界值要大于标准正态分布的界值,34,t分布界值示意图，表示阴影的面积,35,样本率的分布,总体率由样本率估计例如，设样本的个体数(即样本含量)为n，若x为样本的某指标阳性个体数，则可用样本阳性率 估计研究人群的阳性率(总体阳性率)；由于个体差异和偶然性的影响，样本率也存在抽样误差-由抽样造成样本率与总体率(研究人群的率)的差异 样本率是随机的，但在概率意义下也是有规律的-样本率的分布。,36,随机抽样试验，分别在总体率=0.4，0.5，0.01的总体中随机抽样，其总体率和样本含量n每种情况分别随机抽10000个样本，每个样本计算其样本率，把同一种情况的10000个样本率视为一个新的样本资料作频数图,样本率的分布,37,抽样1,38,抽样1,39,抽样3,40,抽样4,41,结果总体率相同时，样本含量越大，样本率的分布越趋向对称。样本含量n相同时，越偏离0.5，样本率的分布越偏态分布。总体率0.5时，任意样本含量的样本率都呈对称分布。样本率p的样本标准差。,样本率的分布,42,中心极限定理及其推论,若样本中的个体个数(即样本含量)为n，总体率为，样本率为p，则样本率的总体均数等于总体率样本率的总体标准差(即率的标准误)由于总体率通常是未知的，因而用样本率p来估计，故率的标准误的估计值常表示为,43,对于大量重复随机抽样而言，样本率p围绕着总体率波动样本含量n越大，这种波动越小。当n的值充分大时，p的分布就近似于均数为，标准差为 的正态分布。这里样本含量n“充分大”指、且n40。当总体率0.5时，则样本率p的分布为对称分布 当样本含量n为定值时，总体率越接近0.5，样本率p近似正态分布的程度就越好,中心极限定理及其推论,44,参数估计（总体均数及总体率的估计）,概念：用样本指标（称为统计量）估计总体指标（称为参数）参数估计包括点估计和区间估计,45,总体均数的估计点估计(point estimation)用样本均数作为总体均数的估计值区间估计(interval estimation)按一定的概率(可信度，1-)估计总 体均数所在范围，亦称总体均数的可信区间,46,总体均数区间估计的方法：当n足够大（如100）时,X的平均数 接近标准正 态分布总体均数95%可信区间：1.96 s 总体均数99%可信区间：2.58 s,47,例：某地抽得正常成人200名，测得血清胆固醇的均数为3.64mmol L，标准差为1.20mmolL，试估计该地正常成年人血清胆固醇均数的95%可信区间。,48,总体均数区间估计的方法：2)当样本含量n较小时,X的平均数 接近t-分布 总体均数95%可信区间：t0.05,s 总体均数99%可信区间：t0.01,s,49,例：某医师测得40名老年性慢性支气管炎病人尿中17-酮类固醇排出量均数为15.19mold，标准差为5.03 mold，试估计该种病人尿17-酮类固醇排出量总体均数95%可信区间。(t 0.05，39=2.023),50,总体率的区间估计正态近似法：当总体率未知时，若 np 5和 n(1-p)5，则总体率(1-)可信区间为：p USp=P-USp P+USp即：总体率95%可信区间为 P 1.96Sp 总体率99%可信区间为 P 2.58Sp查表法：n50时，p 1（见书）,51,某研究者欲研究经常在街头小餐点就餐的中学生是否乙肝病毒的感染率高，在某地随机抽取了200名中学生，询问是否经常在小餐点就餐，并检查了乙肝病毒感染情况，结果发现经常在小餐点就餐者89人，乙肝感染率6.74%，不经常者111人，感染率4.60%，试计算两类中学生乙肝感染率的标准误及总体乙肝感染率可能所在的范围（95%）。,
