下载文档原格式
第7章参数估计7.1 考点归纳【知识框架】【考点提示】（1）置信区间的含义理解（选择题、简答题考点）；（2）估计量的三个评价标准（判断题、填空题、简答题考点）；（3）区间估计的步骤（简答题考点）、总体参数的区间估计选择恰当的统计量（计算题考点）；（4）必要样本容量的影响因素、计算（简答题、计算题考点）。
【核心考点】考点一：参数估计的基本原理1．置信区间（1）置信水平为95%的置信区间的含义：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。
（2）置信度愈高（即估计的可靠性愈高），则置信区间相应也愈宽（即估计准确性愈低）。
（3）置信区间的特点：置信区间受样本影响，具有随机性，总体参数的真值是固定的。
一个特定的置信区间“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。
2．评价估计量的标准（1）无偏性：估计量抽样分布的期望值等于被估计的总体参数，即E（θ∧）＝θ。
（2）有效性：估计量的方差尽可能小。
（3）一致性：随着样本量的增大，估计量的值越来越接近被估计总体的参数。
【提示】本考点常见考查方式：①直接考查置信水平为95%的置信区间的含义；②置信度、估计可靠性、置信区间的关系及应用；③置信区间的特点；④给出估计量的具体含义，判断体现了什么标准；⑤直接回答估计量的三个评价标准及具体含义（简答题）。
考点二：一个总体参数的区间估计表7-1 一个总体参数的区间估计【总结】一个总体参数的估计及所使用的分布见图7-1：图7-1 一个总体参数的估计及所使用的分布【真题精选】设总体X～N（μ，σ2），σ2已知，样本容量和置信水平固定，对不同的样本观测值，μ的置信区间的长度（）。
[对外经济贸易大学2018研]A．变长B ．变短C ．保持不变D ．不能确定 【答案】C【解析】在正态总体方差已知的条件下，μ的置信区间为/2x z ±ασ所以置信区间长度为/22Z α，当样本容量和置信水平固定时，置信区间长度保持不变。
统计学重点笔记第一章导论一、比较描述统计和推断统计：数据分析是通过统计方法研究数据，其所用的方法可分为描述统计和推断统计。
（1）描述性统计：研究一组数据的组织、整理和描述的统计学分支，是社会科学实证研究中最常用的方法，也是统计分析中必不可少的一步。
内容包括取得研究所需要的数据、用图表形式对数据进行加工处理和显示，进而通过综合、概括与分析，得出反映所研究现象的一般性特征。
（2）推断统计学：是研究如何利用样本数据对总体的数量特征进行推断的统计学分支。
研究者所关心的是总体的某些特征，但许多总体太大，无法对每个个体进行测量，有时我们得到的数据往往需要破坏性试验，这就需要抽取部分个体即样本进行测量，然后根据样本数据对所研究的总体特征进行推断，这就是推断统计所要解决的问题。
其内容包括抽样分布理论，参数估计，假设检验，方差分析，回归分析，时间序列分析等等。
（3）两者的关系：描述统计是基础，推断统计是主体二、比较分类数据、顺序数据和数值型数据：根据所采用的计量尺度不同，可以将统计数据分为分类数据、顺序数据和数值型数据。
（1）分类数据是只能归于某一类别的非数字型数据。
它是对事物进行分类的结果，数据表现为类别，是用文字来表达的，它是由分类尺度计量形成的。
（2）顺序数量是只能归于某一有序类别的非数字型数据。
也是对事物进行分类的结果，但这些类别是有顺序的，它是由顺序尺度计量形成的。
（3）数值型数据是按数字尺度测量的观察值。
其结果表现为具体的数值，现实中我们所处理的大多数都是数值型数据。
总之，分类数据和顺序数据说明的是事物的本质特征，通常是用文字来表达的，其结果均表现为类别，因而也统称为定型数据或品质数据；数值型数据说明的是现象的数量特征，通常是用数值来表现的，因此可称为定量数据或数量数据。
三、比较总体、样本、参数、统计量和变量：（1）总体是包含所研究的全部个体的集合。
通常是我们所关心的一些个体组成，如由多个企业所构成的集合，多个居民户所构成的集合。
第一章导论1.什么是统计学？统计学是搜集、处理、分析、解释数据并从中得出结论的科学。
2.解释描述统计与推断统计。
描述统计研究的是数据搜集、处理、汇总、图表描述、概括与分析等统计方法。
推断统计研究的是如何利用样本数据来推断总体特征的统计方法。
3.统计数据可分为哪几种类型？不同类型的数据各有什么特点？按照计量尺度可分为分类数据、顺序数据和数值型数据；按照数据的搜集方法，可以分为观测数据和试验数据；按照被描述的现象与实践的关系，可以分为截面数据和时间序列数据。
4.解释分类数据、顺序数据和数值型数据的含义。
分类数据是只能归于某一类别的非数字型数据；顺序数据是只能归于某一有序类别的非数字型数据；数值型数据是按照数字尺度测量的观测值，其结果表现为具体的数值。
5.举例说明总体、样本、参数、统计量、变量这几个概念。
总体是包含所研究的全部个体的集合，样本是从总体中抽取的一部分元素的集合，参数是用来描述总体特征的概括性数字度量，统计量是用来描述样本特征的概括性数字度量，变量是用来说明现象某种特征的概念。
6.变量可分为哪几类？变量可分为分类变量、顺序变量和数值型变量。
分类变量是说明书屋类别的一个名称，其取值为分类数据；顺序变量是说明十五有序类别的一个名称，其取值是顺序数据；数值型变量是说明事物数字特征的一个名称，其取值是数值型数据。
7.举例说明离散型变量和连续型变量。
离散型变量是只能去可数值的变量，它只能取有限个值，而且其取值都以整位数断开，如“产品数量”；连续性变量是可以在一个或多个区间中取任何值的变量，它的取值是连续不断的，不能一一列举，如“温度”等。
第二章数据的搜集1.什么是二手资料？使用二手资料需要注意些什么？与研究内容有关、由别人调查和试验而来、已经存在并会被我们所利用的资料为二手资料。
使用时要评估资料的原始搜集人、搜集目的、搜集途径、搜集时间且使用时要注明数据来源。
2.比较概率抽样和非概率抽样的特点。
举例说明什么情况下适合采用概率抽样，什么情况下适合采用非概率抽样。
统计学（第七版贾俊平）第七章期末复习笔记（详细附例题详解及公式）第七章7.1估计量与估计值估计⽅法：（1）点估计：据估计、最⼤似然法、最⼩⼆乘法（2）区间估计置信⽔平：（1- α），α为总体参数未在区间内的⽐例；常⽤的置信⽔平：99%（α=0.01），95%（α=0.05），90%（α=0.10）评价估计量的标准：⽆偏性 有效性 ⼀致性7.2 ⼀个总体参数的区间估计7.2.1总体均值的区间估计：题型：（1）总体服从正态分布，⽅差已知 （⼤、⼩样本） ；（2）总体服从正态分布，⽅差未知 （⼤样本）；（3）⾮正态分布，⼤样本例⼀：（1）总体服从正态分布，且⽅差已知（⼤、⼩样本）例⼆：（3）⾮正态分布，⼤样本（n>=30）题型：（4）总体服从正态分布 ，但⽅差未知，⼩样本（n<30）例三：（4）总体服从正态分布 ，但⽅差未知，⼩样本（n<30）总结：7.2.2 总体⽐例的区间估计题型：总体服从⼆项分布，可由正态分布来近似（只讨论⼤样本）例四：7.2.3 总体⽅差的区间估计题型：估计⼀个总体的⽅差或标准差（只讨论正态总体）例五：⼩结：7.3 两个总体参数的区间估计7.3.1 两个总体均值之差的区间估计（2）⾮正态分布，但两个总体都是⼤样本；例⼀：（3）例⼀：（1）例⼆： （2）题型：（1）两个匹配的⼤样本；（2）两个匹配的⼩样本例⼀：（2）7.3.2 两个总体⽐例之差的区间估计题型：两个总体服从⼆项分布，样本独⽴例⼀：7.3.3 两个总体⽅差⽐的区间估计题型：求两个总体的⽅差⽐例⼀：7.4 样本量的确定7.4.1 估计总体均值时的样本量的确定例⼀：7.4.2 估计总体⽐例时的样本量的确定例⼀：。
第 1 节参数的点估计一．数学概念与定义（1）点估计问题设总体的分布函数的形式已知的，其中是未知参数，借助于总体的一个样本，来估计未知参数的值的问题，称为参数的点估计问题。
点估计的问题就是要构造一个适当的统计量，用样本的一组观察值，得到的观察值，以此来估计未知参数。
我们称统计量为的估计量，它的观察值称为的估计值。
注意：估计量与估计值的区别。
（2）矩估计法（适用于总体未知的情况，但是必须保证总体的k阶原点距存在）设随机变量为总体，其分布函数为，其中为个未知参数（对于连续型的总体，给出概率，对于离散型的总体，给出分布律）。
假设总体的各阶原点矩存在，则是的函数，记作，即，对于来自总体的的一个样本，它的样本阶原点矩为，我们令，即从上述方程组中解出，分别记作……………以此作为参数的估计量，称为矩估计量。
如果测得样本观察值为，代入上述矩估计量，便得到未知参数的矩估计值为…………上述估计未知参数的方法叫做矩估计法。
用样本矩代替总体矩，从而得到未知参数估计的方法，称为矩估计法.考试题型：见p123例1 设总体2~(,)X N μσ，求未知参数2,μσ的矩估计.解 因为，2)(σ=X D ，所以 )(X E =μ，)(2X D =σ。
故2,μσ的矩估计分别为ˆXμ=，22ˆS =σ。
注： 1）总体均值的矩估计是样本均值X ；总体方差()D X 的矩估计是样本方差2S ；2）矩估计法直观、简便；估计总体均值和总体方差时不必知道总体的分布. 3）矩估计法需要总体的原点矩存在.例2 设总体)(~λP X ，未知参数0>λ.求λ的矩估计.解 因为 λ=)(X E ，所以 )(X E =λ.故λ的矩估计为X =λˆ。
注： 2S 也可算是λ的矩估计.例3: 设总体的概率密度为 其中，与为未知参数。
又设为总体的样本，求民的矩估计量。
解: 由于令 即解得与的矩估计量为.例4：p 书124例2(详细步骤)()E X μ=()EX（3）最大似然估计法 最大似然思想在已知试验结果（即是样本）的情况下，用来估计满足这些样本分布的参数，把可能性最大的那个参数θ作为真实的θ参数估计这就是最大似然思想。
