第五章统计推断
?总体与样本之间的关系
-从总体到样本的研究。
-由样本推断总体：样本统计量的分布规律一般是正态分布、t 分布、χ2分布和F分布。?对总体做统计推断的两种途径
–先对所估计的总体做一假设,然后通过样本数据推断这个假设是否接受,这种途径称为统计假设检验（statisｔiｃal teｓt of hypothｅsis)
–通过样本统计量估计总体参数，称为总体参数估计(esｔimation of ｐoｐｕlation ｐaramｅtｅｒ)
?本章重点讲解统计推断的一般原理以及对总体平均数及标准差的推断。
一、假设检验
假设检验就是根据总体的理论分布和小概率原理,对未知或不完全知道的总体提出两种被此对立的假设,然后由样本的实际结果，经过一定的计算,作出在一定概率意义上应该接受的那种假设的推断。如果抽样结果使小概率发生,则拒绝假设，如抽样结果没有使小概率发生,则接受假设。
小概率原理
在一次试验中,某事件几乎是不会发生的,若根据一定的假设条件计算出来的该事件发生的概率很小,而在一次试验中它竟然发生了,则可认为原假设条件不正确，给予否定。
在生物统计的显著性检验中，通常取5%或1%小概率为显著性水平,记为“α”
例5.1 根据以往的经验，用一般疗法治疗某种疾病，其死亡率为4０%,治愈率为60％。今用一种新药治疗染上该病的6名患者,这6人均治愈了，问该新药是否显著优于一般疗法?
小概率原理用于显著性检验
例5.2用实验动物作实验材料,现从一批动物（σ= 0．4)中抽取含量ｎ= 10的样本并已经计算出平均值为10．23 g。已知这批动物饲养时间较长,不可能小于10g,问此批动物材料是否是抽自于μ=10的总体中？
解：1 样本平均数满足何种分布?
2 从正态分布表查出P = 0.034３8< 0.０5，这是一个小概率事件，该样本几乎不可能抽自μ = 10.00 g的总体。
单侧检测（ｏne－sided test)
?上尾检验(uｐper ｔａiled teｓt）：拒绝H0后,接受μ＞μ０，如下左图。
?下尾检验（lｏwer tailed tesｔ):拒绝H0后，接受μ < μ0 ,如下右图。
?双侧检验(two-ｓideｄ test)：拒绝H0后，接受μ≠μ0，如下图。
?由于单侧检验时利用了已知有一侧是不可能的这一条件,从而提高了它的辨别力，所以单侧检验比双侧检验的辨别力更强些。
?实际应用时,要尽量选用单侧检验,但要根据实际情况而定。
二、假设检验中的两类错误
是真实的，却否定了它，又叫弃真错误。１. Tｙpe Ⅰ erroｒ（α错误),如果H
０
是错误的，却接受了它,又叫纳伪错误。2. Tyｐe Ⅱｅrror (β类错误)，如果H
０
例5.3 用实验动物作实验材料，现从一批动物(σ= 0.4）中抽取含量ｎ= 10的样本并已经计算出平均值为1０.２０ g。已知这批动物饲养时间较长，不可能小于10g，问此批动物材料是否是抽自于μ＝１０的总体中?
方法１
方法2
图 5－2 两种类型的错误
样本抽自HA:u=10.３g，但却错误的接受
H0:u=10.0 g的概率为0．23２7。
关于两种类型错误的三点解释
?当μ1越接近于μ0时,犯Ⅱ型错误的概率愈大;当μ1越远离μ0时，犯Ⅱ型错误的概率愈小。
?在样本含量和样本平均数都固定时，为了降低犯Ⅰ型错误的概率α(就应将图5-2中的竖线右移)，必然增加犯Ⅱ型错误的概率。
?为了同时降低α和β就需增加样本含量。
三、假设检验的步骤
●对样本所属总体提出假设，无效假设记作H０,备择假设,记作H A。
●确定显著水平
在进行无效假设和备则假设之后，要确定一个否定Ｈ0的概率标准,这个标准叫显著水平或概率水平。
●在H0正确的前提下,根据抽样分布的统计数,进行假设检验的概率计算。
●根据显著水平α的统计数(如u值)的临界值,进行差异是否显著的推断。
四、均值检验
5．1 单个样本的统计假设检验
5.１.1 σ已知单个平均数显著性检验:u检验
例5．５母猪的怀孕期为114天，今抽测10头母猪
的怀孕期分别为１16、１15、1１3、 112、114、117、 1１5、 1１6、 114、11３(天）,试检验所得样本的平均数与总体平均数114天有无显著差异？
根据题意，本例应进行双侧t检验。
1、提出无效假设与备择假设
2、计算u值
3、建立H0的拒绝域：因HA：μ> μ0,故为上尾单侧检验，当μ> μ0.05时拒绝H０，ａ=0.05的上侧分位数μ０.05=1.64５。
4、结论:因为ｍ> μ0.０5所以拒绝H0,接受HA.上述样本很可能不是抽自N (3７7．2，3．32)的总体，抽出样本的那个总体的平均数是大于37７.2的某个值,即栽培条件的改善显著提高了豌豆籽粒重量。
5.1.2 σ未知时平均数显著性检验：ｔ检验
例5.5 母猪的怀孕期为１14天,今抽测10头母猪的怀孕期分别为1１6、１1５、113、112、１14、１17、 115、 116、 114、 113（天）,试检验所得样本的平均数与总体平均数11４天有无显著差异?
根据题意,本例应进行双侧t检验。
1、提出无效假设与备择假设
2、计算ｔ值
３、查临界t值,作出统计推断
由ｄf=9,查t值表(附表3)得t０.05(9)=2．2６2,因为｜t|
5．1.3 变异性的显著性检验：χ2检验
例5.６一个混杂的小麦品种,株高标准差σ0=14ｃm,经提纯后随机抽取10株,它们的株高为：90, １05， 101, ９5， 1０0, １00, 10１， 1０５, 93，97，考察提纯后的群体是否比原群体整齐?
1、小麦株高是服从正态分布的随机变量
２、提出假设
关于备择假设的说明：小麦经提纯后只能变得更整齐，绝不会更离散，即ｓ只能小于
σ0,因此ＨA：σ＜σ0。
3、显著性水平规定α＝0.０５
４、统计量的值:
5、建立的拒绝域:因H A:σ＜ｓ0,故为下尾单侧检验,当χ2<ｃ２１-α时拒绝H0,从附表6中可以查出χ29,０.99= 2.0９
,拒绝Ｈ0,接受HＡ，提纯后株高比原株高整齐。
６、结论,因χ2<χ２
9,0.99
EX5.1
某鱼场按常规方法所育鲢鱼苗一月龄的平均体长为7．２５ cm，标准差为1.5８ｃｍ,为提高鱼苗质量,现采用一新方法进行育苗,一月龄时随机抽取1００尾进行测量，测得其平均体长为7.65cｍ,试问新育苗方法与常规方法有无显著差异?
解题过程
EＸ5．2
某鱼塘水中的含氧量,多年平均为4.5mg·L-1,现在该鱼塘设１0个点采集水样,测定水中含氧量分别为：４.３3，4.62,3．８９,４．14,4.78,４．６4,４.52，４.５5,4．48.４．2６mg·L-1，试检验该次抽样测定的水中含氧量与多年平均值有无显著差别。解题过程
小结
５.2 两个样本的显著性差异检验
?单个样本的显著性检验需要事先能够提出合理的参数假设值和对参数有某种意义的备择值。然而,实际工作中很难提出，故限制了实际应用。
?在实际应用时，常常选用两个样本，一个作为处理,一个作为对照，在这两个样本之间作比较,判定它们之间的差异是否用偶然性解释,若不能用偶然性解释时,则认为它们之间存在足够显著的差异，从而判断这两个样本来自两个不同的总体。
5.2．1 两个方差的检验(方差齐性分析）—Ｆ检验
１假定从两个正态总体中,独立地抽取含量分别为n1和n2的两个随机样本,计算出
s
12和s
2
2．总体平均数可以相等也可以不等．
２零假设H0：σ1= σ2.备择假设
Ｈ
A
：σ1 >σ２若已知σ1不可能小于σ2 。
H
A
: σ1 <σ２若已知σ1不可能大于σ２。
H
Ａ
：σ1 ≠σ2 包括σ1 >σ2和σ１<σ２。
3 显著性水平:经常用α＝0.05和α＝0.０1两个水平。
4 统计检验量：F df1,df2=s１2/s2２, dｆ1＝ｎ1－1 df2=n2－1 。
5 建立H０的拒绝域:
σ1>σ２,上尾单侧检验，F >Fα时拒绝
σ１<σ2，下尾单侧检验，F σ1≠σ２,,双侧检验, F >Fα/2及F ６作出结论并解释。 例5.7 测定了2０位青年男子和2０位老年男子的血压值（收缩压mmHg)如下表所示。问老年人血压值个体间的波动是否显著高于青年人? 解:根据检验的基本程序： (1)人类血压值是服从正态分布的随机变量,而且上述两样本是独立获得的。 (２）假设:H ：σ1=σ2 H Ａ :σ1<σ2(由于老年人的血压值波动只会大于青年人,单侧） (3)显著性水平：根据问题的要求(是否显著)，选α=0.05。 （4）统计量的值:F ｄｆ１,dｆ2=S 1 2/s ２ ２，根据表中数据计算可得S 1 ２=193．4,s 2 2=937.7，故 F=０.2０6。 （5)建立Ｈ０的拒绝域: 由于H A :σ 1 <σ 2 ,故为下尾单侧检验，当Ｆ ０.９５ 时拒绝H 。查 表可得F 19，１9,０.95=1/ F １9，19,0.05 =0.459 （6)结论：F 0.9５,所以结论是拒绝H ，接受H A 。即老年人的血压值在个体间的波动高 于青年人。 5.2.2 标准差（σｉ)已知时，两个平均数间差异显著性的检验—u检验 例5.８调查两个不同渔场的马面鲀体长,每一渔场调查2０0条。平均体长分别为 19．8ｃm和１８．５cm。σ １=σ ２ ＝7.2cm。问在α=０．０5水平上,第一渔场的马面 鲀体长是否显著高于第二渔场的？ 解:（1)假设：H0：μ1=μ2，HA:μ1>μ2 (2)确定显著性水平:α=0.０５。 （3）计算统计量。 （４）建立H０的拒绝域：因HA：μ1>μ２,故为上尾单侧检验。当ｕ>u0.05时拒绝Ｈ0,由附表查出u０.05=1.6４5。 5.２.3 标准差（σi)未知，但相等时，两个 平均数间差异显著性的检验—成组数据t检验 检验程序与5.2.2基本相同,只是所使用的统计量不同,当两个总体的标准差相等时，检验统计量t由下式给出: ?在H0:μ1=μ２下变为 在平均数检验中应用最为广泛。 先做方差齐性检验(F-双侧检验)判断σi 是否相等; 按上式计算统计量t,进行ｔ检验以判断两个平均数之间差异是否显著。 例 5.9 研究两种激素类药物对肾组织切片的氧消耗的影响,结果是：研究第一种药物的样本数为9，平均数为２7.9２,样本方差为8．67３。研究第二种药物的样本数为6，平均数为2５.11，样本方差为１.843。问两种药物对肾组织切片氧消耗的影响差异是否显著？ 解：第一步，做方差齐性检验: H 0：σ 1 =σ 2 ，H A ：σ 1 ≠σ 2 ,α=0.0５ F 8，5=8．6７３/1.８43＝4．71，F ８，5，0.02５ ＝6.75７ F 8,５,0.975=1/4.817=0.208，F ８,5,０.9７５ 0．02５ ，结论是接受Ｈ 0（σ 1 =σ ２ ) 第二步,做平均数之间差异的显著性检验： Ｈ 0:μ 1 =μ ２ , H A :μ １ ≠μ ２ ，α＝0.05；计算统计量t＝２.16８。 t ０．０5（双侧)=２.160,t> t 0．0５ ,结论是在α=０.0５水平上两种药物对肾组织切 片氧消耗的影响刚刚达到显著。 4．2.4 标准差(σi )未知且可能不相等时， 两个平均数间差异显著性的检验 ?若经F（双尾）检验，发现σ1≠σ２可用Aspin-Welcｈ检验,近似ｔ检验。 例5.１0 两组类似的大鼠，一组做对照,另一组做药物处理，然后测定血糖。已知对照组的样本数为12，平均数为109.１7,样本方差为9７．430。经过催产素药物处理组的样本数为8，平均数为１06.８8，样本方差为7.26８。问药物对大鼠血糖含量的影响是否显著？ 解：第一步，做方差齐性检验:H 0：σ 1 =σ 2 , H A : σ 1 ≠σ 2 ,α=０.０5 F 11,7 =9７.430/7.２6８=１3.41 ， F 1１,7,0．０25 =4.714(如何查？） F>F 0．0２5,结论是方差不具齐性(σ 1 ≠σ 2 ） 第二步，做平均数之间的差异显著性检验。 H 0:μ 1 =μ 2 ，H A ：μ 1 ≠μ 2 ，α＝0.０5;计算df=13.３5，统计量 t＝0．76。 用线性内插法（如何查？）可以求出t 1３.3５,0.０５(双侧） =2.１5,ｔ< t０．05(双侧)。结论是催产素药物对大鼠的影响是不显著的。 ５.2．5 配对数据的显著性检验——配对数据的ｔ检验 生物学试验中，为了减少试验误差，在有条件情况下尽可能把试验设计成若干对子,称为配对试验设计,对这种设计做显著性检验的方法称为配对数据ｔ检验。 配对数据的ｔ检验基本步骤 （一）提出无效假设与备择假设 为两样本配对数据差值ｄ总体平均数,它等于两样本所属总体平均数μ1与μ２之差,所设无效假设、备择假设相当于 （二)计算t值，计算公式为 （三）查临界t值,作出统计推断 例５.１1 用家兔１０只试验某批注射液对体温的影响,测定每只家兔注射前后的体温,见下表。设体温服从正态分布,问注射前后体温有无显著差异? （一）提出无效假设与备择假设 (二）计算t值,经过计算得 dｆ=n-1=1０－1＝９ （三)、查临界ｔ值,作出统计推断 ?由df=9,查t值表得：ｔ0．01（9）=３.2５0,因为 |t｜＞t０．01（９)，P<0.01,否定Ｈ０， 接受HＡ,表明家兔注射该批注射液前后体温差异极显著,这里表现为注射该批注射液可使体温极显著升高。 4.2．6 配对法与成组法的比较 ∵平均数及样本含量均相同的条件下,s愈小 则ｔ值愈大 ∴配对法比成组法更容易检出两组数据平均数之间的差异。在条件许可的情况下,尽量把实验安排成配对法做比较。 EＸ5.4 根据多年的资料，某杂交黑麦从播种到开花的天数的标准差为6．9d．现在相同试验条件下采取两种方法取样调查，Ａ法调查40０株,得出从播种到开花的平均天数为69.５d,B法调查２0０株，得出从播种到开花的平均天数为70.3d,试比较两种调查方法所得黑麦从播种到开花的天数有无显著差别？ 解题过程： EX 5.6 解题思路 ?首先进行方差齐性检验，用F检验。 ?用方差大的作为分子，方差小的作为分母。 ?查F检验的临界值Fα表。 ?根据方差齐性与否决定用何种公式。 解题过程 方差齐性检验,F检验 方差不齐 这两个品种蛋白质的含量差异显著。 成对数据平均数比较 EX 5.7 在研究饮食中缺乏维生素E与肝中维生素A的关系时,将试验动物按性别、体重等配成８对，并将每对中的两头试验动物用随机分配法分配在正常饲料组和维生素Ｅ缺乏组,然后将试验动物杀死，测定其肝中的维生素A的含量,其结果如表４－l,试检验两组饲料对试验动物肝中维生素A含量的作用是否有显著差异。 表4－l 小结 一、名词解释 假设检验（显著性检验) 无效假设备择假设显著水平Ⅰ型错误Ⅱ型错误双侧检验（双尾检验) 单侧检验（单尾检验) 成组设计配对设计 二、简答题 1、显著性检验的基本步骤是什么?根据什么确定显著水平？ 2、什么是统计推断？为什么统计推断的结论有可能发生错误?有哪两类错误?如何降 低犯两类错误的概率? ３、配对试验设计与成组试验设计有何区别? 三、计算题 １、随机抽测了10只兔的直肠温度,其数据为:38.７、39．0、38.9、３９．6、39.1、3９.8、38.5、39.7、39.2、３8.4(℃)，已知该品种兔直肠温度的总体平均数＝３９.5（℃）,试检验该样本平均温度与总体是否存在显著差异? 2、给幼鼠喂以不同饲料,研究每日钙的留存量(mｇ)是否有显著不同，以两种方式设计本实验。第一种方式：同一鼠先后喂予不同饲料。 第二种方式，甲组12只喂Ａ饲料,乙组9只喂B饲料。 以 =0.0５的水平，检验每种方式中,两种不同饲料钙的留存量差异是否显著。并对结果加以解释。 第五章统计推断 ?总体与样本之间的关系 -从总体到样本的研究。 -由样本推断总体：样本统计量的分布规律一般是正态分布、t 分布、χ2分布和F分布。?对总体做统计推断的两种途径 –先对所估计的总体做一假设，然后通过样本数据推断这个假设是否接受，这种途径称为统计假设检验(statistical test of hypothesis) –通过样本统计量估计总体参数，称为总体参数估计(estimation of population parameter) ?本章重点讲解统计推断的一般原理以及对总体平均数及标准差的推断。 一、假设检验 假设检验就是根据总体的理论分布和小概率原理，对未知或不完全知道的总体提出两种被此对立的假设，然后由样本的实际结果，经过一定的计算，作出在一定概率意义上应该接受的那种假设的推断。如果抽样结果使小概率发生，则拒绝假设，如抽样结果没有使小概率发生，则接受假设。 小概率原理 在一次试验中，某事件几乎是不会发生的，若根据一定的假设条件计算出来的该事件发生的概率很小，而在一次试验中它竟然发生了，则可认为原假设条件不正确，给予否定。 在生物统计的显著性检验中，通常取5%或1%小概率为显著性水平，记为“α” 例5.1 根据以往的经验，用一般疗法治疗某种疾病，其死亡率为40％，治愈率为60％。今用一种新药治疗染上该病的6名患者，这6人均治愈了，问该新药是否显著优于一般疗法？ 小概率原理用于显著性检验 例5.2用实验动物作实验材料，现从一批动物（σ= 0.4）中抽取含量n = 10的样本并已经计算出平均值为10.23 g。已知这批动物饲养时间较长，不可能小于10g，问此批动物材料是否是抽自于μ=10的总体中？ 解：1 样本平均数满足何种分布？ 第五章假设检验 参数估计和假设检验是统计推断的两个组成部分，它们分别从不同的角度利用样本信息对总体参数进行推断。前者讨论的是在一定的总体分布形式下，借助样本构造的统计量，对总体未知参数作出估计的问题；后者讨论的是如何运用样本信息对总体未知参数的取值或总体行为所做的事先假定进行验证，从而作出真假判断。通俗地、简单地说，前者是利用样本信息估计总体参数将落在什么范围里；而后者则是利用样本信息回答总体参数是不是会落在事先假定的某一个范围里。 本章的目的与要求 通过本章学习，要求学生在充分理解有关抽样分布理论的基础上，理解掌握假设检验的有关基本概念；明确在假设检验中可能犯的两种错误，以及这两种错误之间的联系；熟练掌握总体均值和总体成数的检验方法，主要是Z 检验和t检验；对于非参数的检验，也应有所了解，包括符号检验、秩和检验与游程检验等。 本章主要内容（计划学时2 ） 一、假设检验概述与基本概念 1、假设检验概述 2、假设检验的有关基本概念 二、总体参数检验 1、总体平均数的检验 2、总体成数的检验 3、总体方差的检验 三、总体非参数检验 1、符号检验 2、秩和检验 3、游程检验 学习重点 一、假设检验的有关基本概念； 二、总体平均数与总体成数的检验； 三、非参数检验； 学习难点 一、假设检验的基本思路与有关概念； 二、两类错误的理解及其关系； 第一节统计检验的基本概念 一、假设检验概述 基本思路：首先，对总体参数作出某种假设，并假定它是成立的。然后，根据样本得到的信息（统计量），考虑接受这个假设后是否会导致不合理的结果，如果合理就接受这个假设，不合理就拒绝这个假设。 所谓合理性，就是看是否在一次的观察中出现了小概率事件。 小概率原理：就是指概率很小的事件，在一次试验中实际上是几乎不可能出现。这种事件可以称其为“实际不可能事件”。 二、假设检验的基本概念 （一）原假设与对立假设 1、原假设：用“H0：”表示（也称“零假设”、“虚无假设”） 这是研究者对总体参数事先提出的假设。通常以总体没有发生显著变化为原假设。 2、对立假设：用“H1：”表示 对立假设也称“备择假设” 这是与原假设完全对立的、矛盾的假设，假设总体发生了显著的变化。 （二）显著性水平与显著性差异 1、显著性水平： 在统计检验中，判断假设是否合理，是根据一定的标准来确定的，这个标准是在检验之前由研究者事先主观选定的一个小概率值，用α表示.这个α就是显著性水平。 常用的α有0.1、0.05或0.01等 2、显著性差异： 如果统计量和假设的参数值存在差距，有两种可能： （1）差距不是很大（即不在小概率范围内出现），即可认为总体没发生显著变化。可接受原假设。 （2）差距很大（即出现在小概率范围内），即可认为总体发生了显著变化。说明存在着显著性差异，故拒绝原假设。 （三）双侧检验与单侧检验 1、双侧检验（双尾检验）： 双侧检验要求同时注意估计值偏高和偏低的倾向，这时，差距不分正负， 给出的显著水平α 2、单侧检验（单尾检验）：（有左单侧和右单侧两种） 单侧检验只注意估计值是否偏高（或偏低）,它是单方向的，给出的显著性水平α集中在同一侧。偏高时，差距为正，为右单侧检验；偏低时,差距为负，为左单侧检验。 （四）两种类型的错误 1、第一类错误——以真为假 第五章 一、单项选择题 1．抽样推断的目的在于（） A．对样本进行全面调查 B．了解样本的基本情况 C．了解总体的基本情况 D．推断总体指标 2．在重复抽样条件下纯随机抽样的平均误差取决于（） A．样本单位数 B．总体方差 C．抽样比例 D．样本单位数和总体方差 3．根据重复抽样的资料，一年级优秀生比重为10%，二年级为20%，若抽样人数相等时，优秀生比重的抽样误差（） A．一年级较大 B．二年级较大 C．误差相同 D．无法判断 4．用重复抽样的抽样平均误差公式计算不重复抽样的抽样平均误差结果将（）A．高估误差 B．低估误差 C．恰好相等 D．高估或低估 5．在其他条件不变的情况下，如果允许误差缩小为原来的1/2，则样本容量（）A．扩大到原来的2倍 B．扩大到原来的4倍 C．缩小到原来的1/4 D．缩小到原来的1/2 6．当总体单位不很多且差异较小时宜采用（） A．整群抽样 B．纯随机抽样 C．分层抽样 D．等距抽样 7．在分层抽样中影响抽样平均误差的方差是（） A．层间方差 B．层内方差 C．总方差 D．允许误差 二、多项选择题 1．抽样推断的特点有（） A．建立在随机抽样原则基础上 B．深入研究复杂的专门问题 C．用样本指标来推断总体指标 D．抽样误差可以事先计算 E．抽样误差可以事先控制 2．影响抽样误差的因素有（） A．样本容量的大小 B．是有限总体还是无限总体 C．总体单位的标志变动度 D．抽样方法 E．抽样组织方式 3．抽样方法根据取样的方式不同分为（） A．重复抽样 B．等距抽样 C．整群抽样 D．分层抽样 E．不重复抽样 4．抽样推断的优良标准是（） A．无偏性 B．同质性 C．一致性 D．随机性 E．有效性 5．影响必要样本容量的主要因素有（） A．总体方差的大小 B．抽样方法 第五章统计估计和假设检验 第五章统计估计和假设检验统计学的基本问题就是根据样本所提供的信息对总体的分布以及分布的数字特征作出统计推断。统计推断包括两大部分：一是统计估计，二是假设检验。 统计估计问题就是根据样本的数字特征来估计总体参数的数字特征，因此通常也称作参数估计。参数估计根据所得出结论的方式不同有两种形式：点估计和区间估计。 假设检验就是对关于总体分布的一些数字特征或分布函数所做的假设进行检验，以判断其正确性。假设检验也分为两类：一类是对总体分布的一些数字特征进行检验，称为参数假设检验； 另一类是要求根据样本所提供的信息对关于分布函数的假设进行检验，此时只检验分布，而不对参数作检验，这称作非参数的假设检验。非参数检验将在第六章进行讨论，本章着重讨论参数检验。 第一节点估计一、点估计的极大似然法点估计就是以单个数据对总体参数值作出估计。若未知的总体参数为，这时是一个未知的常数。我们根据抽样样本的观察值构造一个统计量()来估计总体参数。由于抽样的随机性，统计量是一个随机变量。点估计就是将的具体值作为的估计值。显然，这样做必然会有误差产生。这种误差就称为抽样误差。 极大似然法是一种对参数点估计的重要方法之一。我们先用一个例子说明其原理。 例5-1。设有一批产品，质量上分为正品与次品。产品的次品率有两种估计：0.1和0.4，今随机抽样15件产品，发现只有一件是次品。现根据这一抽样情况，来决定用哪一种次品率来估计更为可靠呢？记A =“抽取15件产品，只有一件是次品”，设抽得正品用X=0，抽得次品用X=1来表示。抽样结果只有X=0 与X=1 两种情形，于是，可得事件A发生的概率为：第五章统计推断
第五章统计学教案(假设检验)
统计学第五章课后题及答案解析教学文案
第五章统计估计和假设检验
相关主题
文本预览