数模学习第四天--统计学基础知识（参数估计，假设检验）

参数估计

1.点估计
用样本统计量确定总体参数的一个数值。
Matlab 统计工具箱中，一般采用最大似然估计法给出参数的点估计。
Matlab 中使用fit 系列命令进行参数点估计,比如：
normfit,tfit,betafit,…
2.区间估计
构造样本X的两个函数（两个统计量),作为该参数的下限估计与上限估计 ，下限与上限构成一个区间，这个区间作为该统计量的估计，称为区间估计。

置信区间越小，估计的精度越高；
置信水平越大，估计的可信程度越高；
通常设显著性水平a为0.05，则1-a=0.95
下面为MATLAB程序

x=load('data1.txt');  %读取data1.txt里的数据
x=x(:);
[mu,sigma]=normfit(x)   %求均值与标准差
%若想置信区间为0.99则
[mu.sigma,muci,sigmaci]=normfit(x,0.01)

假设检验

对总体的分布律或分布参数作某种假设，根据
抽取的样本观察值，运用数理统计的分析方法，
检验这种假设是否正确，从而决定接受假设或
拒绝假设，这就是假设检验问题。

假设检验逻辑

1.反证法
为了检某假设是否成立，先假定它正确，
然后根据样本信息，观察由此假设而导致的
结果是否合理，从而判断是否接受原假设；
2.判断结果是否合理
基于 “ 小概率事件不易发生 ” 这一原理：
即在一次抽样中，小概率事件不可能发生。如果在原假设下发生了小概率事件，则认为原假设是不合理的；反之，小概率事件没有发生，则认为原假设是合理的。
3.假设检验基于样本资料
而这种推断是在一定概率 置信度（置信水平）下进行的，而非严格的逻辑证明。
因此，置信度大小的不同，有可能做出不同的判断。

假设检验步骤

1.提出原假设（null hypothesis）和备择假设（alternative hypothesis）

2 、选择适当的统计量，并确定其分布形式。
统计量是根据所涉及的问题而定的，如总体均
值、 比例（率）可选取正态分布的Z统计量等。
3 、选择显著性水平或置信度，确定临界值。
显著性水平为原假设为真时，样本点落在临界
值外的概率（即抽样结果远离中心点的概率，它为小概率）， 也是原假设为真时，拒绝原假设所冒的风险。
临界值将样本点所落区域分为拒绝域与接受域，临界值“外”为拒绝域，“内”为接受域。

4.作出结论。
通过样本计算统计量的具体值，与临界值比较，根据落入拒绝域或接受域的情况来
拒绝或接受原假设。

假设检验的两类错误

假设检验步骤

1.T检验
2.X方检验
3.F检验

T检验

u0为总体平均数
s为样本标准差
下面为例题解释：

F检验

根据试验的结果进行分析, 鉴别各个有关因素对试验结果的影响程度。
试验指标—— 试验中要考察的指标.
因 素 —— 影响试验指标的条件。其分为可控因素与不可控因素
水 平 —— 因素所处的状态.
单因素试验—— 在一项试验中只有一个因素改变.
多因素试验——在一项试验中有多个因素改变.

假定除机器这一因素外, 其他条件相同, 属于单因素试验.
试验目的: 考察各台机器所生产的薄板的厚度有无显著的差异. 即考察机器这一因素对厚度有无显著的影响.

下图的eij为误差
ai为水平状态

转换的目的是为假设检验构造已知分布的统计量。
所以把对均值的假设检验替换成了对水平a的假设检验

离差平方和介绍


则可证明该分布符合第一自由度r-1,第二自由度n-r

则可构造单因素试验方差分析表