04_参数估计与假设检验

第四章 连续型随机变量的 参数估计与检验

第一节 参数估计
第二节 假设检验
第三节 单个正态总体的参数检验 第四节 两个正态总体的参数检验
一、点估计及其性质
估计量：设 为总体X的一个未知参数，统计量 ˆ ˆ X , , X 称为 的估计量。
ˆ x , , x 称为 1 n
（2） 2 未知
得 的置信度为 1 的置信区间为 S S 或 X t S f＝n－1 , X t 2 X t 2 2 n n n n
2
X ~ t (n 1) 选取样本函数 t S n P t t P t t 1 2 2 X P t 1


Y1, Y2 ,..., Yn2 12 ， 2 2已知 （1 ）
12 X ~ N 1 , n1
22 Y ~ N 2 , n2
2 2 1 2 X Y ~ N 1 2 , n1 n2
选取 u 样本函数
2 x （1 ） 已知 2 e X u ~ N 0,1 2 / n
2
0.2
P | u | u
P | u | u 1
2


2


2
2

2
0 x
2
0
u
u
2
x
3

X P u 2 / n
3
2
1
得 2已知时， 的置信度为1 的置信区间 , X u X u 或 X u 可查表得

SPSS输出结果（数据：tv.xls） 操作：分析->描述统计->探索
均值 均值的 95% 置信区间
5% 修整均值 中值 方差 标准差 极小值 极大值
下限 上限
统计量 27.191 25.530 28.852 26.977 26.500 70.104 8.3728
9.5 50.3
标准 误
.8373
0.217(1 0.217) 0.217 1.645
995 0.217 0.0215
结论：我们有90％的把握认为悉尼青少年中每 天都抽烟的青少年比例在19.55%~23.85%之间。
中央财经大学统计学院 26
SPSS的计算结果
均值
在SPSS中将 “是否吸烟”
均值的 90% 置信区间
输入为取值为1 5% 修整均值
中央财经大学统计学院 2
点估计
点估计: 用估计量的数值作为总体参数的估 计值。
一个总体参数的估计量可以有多个 。例如， 在估计总体方差时，
n
(xi x)2 和
i 1
n 都可以作为估计量。
n
(xi x)2
i 1
n 1
中央财经大学统计学院 3
点估计量的常用评价准则：无偏性
无偏性：估计量的数学期望与总体待估参 数的真值相等： E(ˆ)
P(X )
B
较小的样本容量
A
X
中央财经大学统计学院 6
区间估计
根据事先确定的置信度1 - 给出总体参数 的一个估计范围。
置信度1 - 的含义是：在同样的方法得到 的所有置信区间中，有100(1- )% 的区间 包含总体参数。
抽样分布是区间估计的理论基础。
置信区间

实际问题中假设检验应用案例
产品质量检验
通过抽样检验产品是否符合质量标准，判断 整批产品是否合格。
医学诊断
通过比较患者与健康人的某项指标，判断患 者是否患有某种疾病。
市场调研
通过调查消费者对某产品的满意度，判断该 产品是否具有市场竞争力。
科学研究
通过比较实验组与对照组的实验结果，判断 某种处理方法是否有效。
计算检验统计量值
根据样本数据计算检验统计量 的值。
建立假设
根据实际问题，提出原假设（ $H_0$）和备择假设（$H_1$ ）。
确定拒绝域
根据显著性水平和检验统计量 的分布，确定拒绝域。
做出决策
根据检验统计量的值是否落在 拒绝域内，做出接受或拒绝原 假设的决策。
假设检验中两类错误
第一类错误（拒真错误）
VS
区别
假设检验主要关注总体参数的假设是否成 立，其结果是接受或拒绝原假设，而参数 估计则是通过样本信息来估计总体参数的 具体数值或范围。此外，假设检验是基于 显著性水平进行判断，而参数估计则需要 考虑估计量的偏差、方差等性质。
联合使用假设检验和参数估计策略
利用假设检验确定总体参数的大致范围
在进行参数估计之前，可以先通过假设检验确定总体参数是否在某个范围内，这可以为 后续的参数估计提供有用的信息。
拒绝域
拒绝域是指在检验统计量的取值范围内，如果检验统计量的值落在这个范围内，就拒绝原假设。拒绝域与显著性 水平有关，显著性水平越小，拒绝域的范围也越小。在单侧检验中，拒绝域位于检验统计量分布的某一侧；在双 侧检验中，拒绝域位于检验统计量分布的两侧。
02
参数估计基本概念与原理
参数估计定义及目的
参数估计定义
根据从总体中抽取的样本信息来推断 总体分布中未知参数的过程。

参数估计和假设检验1.参数估计参数估计是指通过样本数据来推断总体参数的过程。

总体参数是指总体的其中一种性质，比如总体均值、总体方差等。

样本数据是从总体中随机抽取的一部分数据，用来代表总体。

参数估计的目标是使用样本数据来估计总体参数的值。

常见的参数估计方法有点估计和区间估计。

（1）点估计点估计是通过一个统计量来估计总体参数的值。

常见的点估计方法有样本均值、样本方差等。

点估计的特点是简单、直观，但是估计值通常是不准确的。

这是因为样本的随机性导致样本统计量有一定的误差。

因此，点估计通常会伴随着误差界限，即估计值的置信区间。

（2）区间估计区间估计是通过一个统计量构建总体参数的估计区间。

常见的区间估计方法有置信区间和可信区间。

置信区间是指当重复抽样时，包含真实总体参数的概率。

置信区间的计算方法是在样本统计量的基础上，加减一个合适的误差界限，得到一个估计区间。

可信区间是指在一次抽样中，包含真实总体参数的概率。

可信区间的计算方法同样是在样本统计量的基础上，加减一个合适的误差界限，得到一个估计区间。

参数估计的应用非常广泛，可以用于各个领域的数据分析和决策。

例如，经济学家可以通过样本数据估计失业率，政治学家可以通过样本数据估计选举结果，医学研究者可以通过样本数据估计药物的疗效等。

2.假设检验假设检验是指通过样本数据来判断总体参数的其中一种假设是否成立。

在假设检验中，我们先提出一个原假设（H0），然后使用样本数据来检验该假设的合理性。

在假设检验中，我们需要确定一个统计量，该统计量在原假设成立时，其分布是已知的。

然后，我们计算该统计量在样本数据下的取值，并通过比较该取值与已知分布的临界值，来判断原假设是否成立。

假设检验包含两种错误，即第一类错误和第二类错误。

第一类错误是指在原假设成立的情况下，拒绝原假设的错误概率。

第二类错误是指在原假设不成立的情况下，接受原假设的错误概率。

常见的假设检验方法有单样本假设检验、双样本假设检验、方差分析等。