总体比例的假设检验 总体均数的估计与假设检验的基本原理

总体比例的假设检验 总体均数的估计与假设检验的基本原理

ID:36027004

大小:37.00 KB

页数:20页

时间:2019-04-30

总体比例的假设检验 总体均数的估计与假设检验的基本原理_第1页
总体比例的假设检验 总体均数的估计与假设检验的基本原理_第2页
总体比例的假设检验 总体均数的估计与假设检验的基本原理_第3页
总体比例的假设检验 总体均数的估计与假设检验的基本原理_第4页
总体比例的假设检验 总体均数的估计与假设检验的基本原理_第5页
资源描述:

《总体比例的假设检验 总体均数的估计与假设检验的基本原理》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、总体比例的假设检验总体均数的估计与假设检验的基本原理总体均数的估计与假设检验的基本原理主要内容抽样误差和标准误t变换和t分布均数的可信区间假设检验的基本原理统计分析统计描述统计推断–参数估计–假设检验总体(population)总体:根据研究目的所确定的性质相同的所有观察单位的某种变量值的集合。–如:调查某地1999年正常成年男子的红细胞数,则观察对象是该地1999年正常成年男子,总体就是该地1999年正常成年男子的血红细胞数。 20总体分为:–有限总体(finitepopulation):有确定的时间、空间和观察单位数。–无限总体(infinitepopulat

2、ion):没有确定的时间和空间限制,观察单位数为无限。样本(sample)样本:从总体中随机抽取的部分观察单位的某个变量值所组成的集合。抽样的目的:用样本信息来推断总体特征,要保证样本的可靠性和代表性,使样本能够充分地反映总体的真实情况。这就要求严格遵循随机化的原则,并保证足够的样本含量。均数抽样误差由于抽样而造成的样本统计量和总体参数之差称为抽样误差(samplingerror)。由于抽样而造成的样本均数和总体均数之差称为均数抽样误差,抽样误差是抽样研究固有的特点,是不可避免的。抽样误差的分布有一定的规律性,并且可以通过一定的方法来估计。N(μ,σ2)(μ,σ2

3、)nnxN(μx,σ)220xx中心极限定理(CentralLimitTheorem)从正态总体N(μ,σ2)中,随机抽取例数为n的样本,样本均数x也服从正态分布,即使是从偏态总体中抽样,当n足够大时,样本均数的分布仍然服从正态分布,样本均数的均数μx=μ,标准差为σx。⎛n⎞⎜∑xi⎟1⎛n⎞1ni=1⎜⎟=×E⎜x⎟=×E(x)=1×(n×μ)=μEx=E⎜n⎟n⎝∑i⎠n∑ini=1i=1⎜⎟⎠⎝()N(μ,σ2)n样本1n样本2n…………n样本kx1x2xkx1x2……x20kxμσx标准误(standarderror)σx是样本均数的标准差称为均数标准误

4、(简称标准误),它反映了样本均数与总体均数之间的接近程度,常用以说明均数抽样误差的大小。标准误的计算:σx=σnn⎛1⎞⎛1⎞nVar(x)=Var(i=1)=⎜2⎟×Var(∑xi)=⎜2⎟×∑Var(xi)n⎝n⎠⎝n⎠i=1i=1i∑xnVar(xi)=σ2112222σ2Var(x)=2×σ+σ+L+σ=2×nσ=nnn()()σx=20σn均数标准误在实际工作中,总体标准差σ常是未知的而σ是用样本标准差s来代替σ,x的估计值记作sx。sx=sn例:某地成年男子红细胞数的抽样调查,n=144人,x=5.38×1012/L,s=0.44×1012/L,求其标

5、准误。sx=s=0.44/144=0.037×1012/Ln标准误的用途标准误是反映样本均数变异程度的指标,常用来表示抽样误差的大小。标准误大反映样本均数抽样误差大,其对总体均数的代表性差;标准误小,样本均数抽样误差就小,其对总体均数的代表性就好。标准误可用于计算总体均数的可信区间,也是进行假设检验的基础。标准差和标准误的区别标准差意义用途计算描述了个体值之间的变异程度,即观察值间的离散度。标准误反映了抽样误差的大小,即样本均数和总体均数之间的接近程度。可结合均数估计正常值范围。可用于估计总体参数的可信区间。Σ(x−x)2s=n−1sx=s20n标准差、标准误与样

6、本含量的关系sx=sn标准差随着样本量的增多,逐渐趋于稳定。标准误随着样本量的增多而减小,如均数的标准误,当标准差不变时,与样本量的平方根呈反比。当样本含量趋近于总体例数时,则样本标准差趋于稳定,近似等于总体标准差;标准误则趋近于0,抽样误差几乎消失。标准差、标准误与样本含量的关系例:某年龄段正常成年女性的体重服从N(51,52)(单位为kg),从该总体中随机抽取例数n为50的样本。x=52.8kgs=5.87sx=0.830从总体中随机抽取例数n为300的样本。x=51.5kgs=5.76sx=200.33912108642Std.Dev=5.87Mean=52

7、.8N=50.0040.042.545.047.550.052.555.057.560.062.565.067.50体重分布605040302010Std.Dev=5.76Mean=51.5N=300.0040.042.545.047.550.052.555.057.560.062.565.00体重分布t分布在总体均数为μ,标准差为σ的正态总体中,独立随机的抽取样本含量为n的样本,则样本均数服从正态2分布N(μx,σx):μx=μσx=20σn将样本均数标准化,则:u=x−μσx其中的分母称为均数的标准误,如果变量是正态的或近似正态的,则标准化的变量服从或近似服从

8、N(0,1

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。