统计推断—参数估计—点估计、区间估计、t分布、Z分布

统计推断包括参数估计和假设检验。参数估计就是用样本指标(统计量)来估计总体指标(参数)。 

一、参数估计基础-Z分布

在统计应用中,可以把任何一个均数为\mu,标准差为\sigma的正态分布N(\mu ,\sigma ^{2})转变为\mu =0,\sigma =1的标准正态分布,即将正态变量值XZ=\frac{X-\mu }{\sigma }来代替,由于\overline{X}服从正态分布,故Z=\frac{\overline{X}-\mu }{\sigma _{\overline{X}}}服从标准正态分布N(0,1),其中\sigma _{\overline{X}}表示总体的标准差。

特点:总体的标准差\sigma _{\overline{X}}是一定的。

二、参数估计基础-t分布

实际资料的分析中,由于\sigma往往未知,故标准化转换演变为:\frac{\overline{X}-\mu }{S _{\overline{X}}}=\frac{\overline{X}-\mu }{S/\sqrt{n}},服从\nu =n-1t分布,即:t=\frac{\overline{X}-\mu }{S _{\overline{X}}}。其中S表示样本的标准差,S/\sqrt{n}表示标准误。

统计学家发现,t分布的分布性状是与和样本量息息相关的自由度相对应的。

t 分布曲线特点:

  1.  t分布曲线是单峰分布,它以0为中心,左右对称。
  2.  t分布的形状与样本例数 n(自由度\nu=n-1)有关。自由度越小,则S_{\overline{X}}越大,t值越分散,曲线的峰部越矮,尾部则偏高。
  3. n\rightarrow +\infty时,则 S 逼近 \sigmat分布逼近标准正态分布。
  4. t分布不是一条曲线,而是一簇曲线。

三、参数估计基础-t转换和Z转换的不同

  1. Z=\frac{\overline{X}-\mu }{\sigma _{\overline{X}}}转换标准误在一个固定的\sigma _{\overline{X}}上实现的转换。

  2. t=\frac{\overline{X}-\mu }{S _{\overline{X}}}=\frac{\overline{X}-\mu }{S/\sqrt{n}}转换是基于和每次抽样结果(S为样本的标准差)有相关关系的标准差,所有相对于基于总体标准差来说,有一定的不确定性。

四、参数估计-点估计

样本统计量直接作为总体参数的估计值。 

于2000年测得某地27例健康成年男性血红蛋白量的样本均数为125g/L,试估计其总体均数。

\overline{X}\rightarrow \mu,即认为2000年该地所有健康成年男性血红蛋白量的总体均数为125g/L 。

缺陷:用样本均值测算总体均值完全相等几乎是不可能的,所以我们用一个范围去估计总体参数所在的位置(区间估计)。

五、参数估计-区间估计

按预先给定的概率(1-\alpha )估计总体参数的可能范围,该范围就称为总体参数的(1-\alpha )置信区间(confidence interval, CI) 。

预先给定的概率(1-\alpha )称为置信度,常取95%或99%。如无特别说明,一般取双侧95%。

置信区间由两个数值即置信限(下限和上限)构成。

置信水平是指总体参数值落在样本统计值某一区内的概率(成功率);而置信区间是指在某一置信水平下,样本统计值与总体参数值间误差范围。置信区间越大,置信水平越高。

1、总体均数\left ( \mu \right )的区间估计

以下是正态总体抽样得到的均数的分布规律,通过抽样得到的样本均数\overline{X}\mu并不能原丝合缝的相等。

(1)\sigma 已知

按标准正态分布原理计算,由Z分布,标准正态曲线下有 95%的Z值在±1.96之间。

-1.96<\frac{\overline{X}-\mu }{\sigma _{\overline{X}}}<1.96 简单运算之后转换为:  \overline{X}-1.96\sigma _{\overline{X}}<\mu <\overline{X}+1.96\sigma _{\overline{X}} 
        95%的双侧置信区间: (\overline{X}-1.96\sigma _{\overline{X}},\overline{X}+ 1.96\sigma _{\overline{X}})

99%的双侧置信区间: (\overline{X}-2.58\sigma _{\overline{X}},\overline{X}+2.58\sigma _{\overline{X}}),99%的双侧置信区间

通式:\overline{X}-Z_{\alpha/2}\sigma _{\overline{X}}(双侧)

(2)\sigma 未知,样本例数n足够大(n>50

t分布可知,自由度越大,t分布越逼近标准正态分布,此时t曲线下有 95%的t值在±1.96之间,即:

-1.96<\frac{\overline{X}-\mu }{S_{\overline{X}}}<1.96 简单运算之后转换为:  \overline{X}-1.96S _{\overline{X}}<\mu <\overline{X}+1.96S_{\overline{X}}
        95%的双侧置信区间: (\overline{X}-1.96S_{\overline{X}},\overline{X}+ 1.96S _{\overline{X}})

99%的双侧置信区间: (\overline{X}-2.58S_{\overline{X}},\overline{X}+2.58S_{\overline{X}})

通式:\overline{X}-Z_{\alpha/2}S _{\overline{X}}(其中S_{\overline{X}}=S/\sqrt{n}S表示样本标准差,n表示样本含量,S_{\overline{X}}是基于样本标准差S的标准误)(双侧)

某市2000年随机测量了90名19岁健康男大学生的身高,其均数为172.2cm,标准差为4.5cm,,试估计该地19岁健康男大学生的身高的95%置信区间。

\overline{X}\pm Z_{\alpha/2}S _{\overline{X}}Z_{0.05/2}=1.96

\overline{X}\pm 1.96S _{\overline{X}}=172.2\pm 1.96\frac{4.5}{\sqrt{90}}=(171.3,173.1))

该市19岁健康男大学生的身高的95%置信区间(171.3,173.1) cm。 

注意:

并不能说该市19岁健康男大学生的平均身高有95%的概率落在区间 (171.3,173.1)里!即不能说这个区间有95%的概率覆盖总体均数。

这是由于平均身高作为总体均值,它是一个常数(客观存在),因此当区间估计完成以后,区间(171.3,173.1)要么覆盖总体均数,要么不覆盖。也就是说,概率为0或1,不会出现其它的概率值。

在一次具体的估计完成之前,一定样本量下的区间估计方法,假如能够重复很多次的话,将有较多的次数,例如95%的次数会成功,有5%的次数会失败,因为在我们完成具体的计算之前,实际上(\overline{X}-1.96\sigma _{\overline{X}},\overline{X}+ 1.96\sigma _{\overline{X}})这个区间估计的上边界和下边界都还是随机变化的。

用大量来自同一总体的独立样本对总体均数做估计时,关于95%的置信区间(CI),正确的说法是:A

A.大约有95%的样本的CI覆盖总体均值

B.各个样本估计的CI是相同的

C.对于同一个CI而言,有95%的可能性覆盖总体均数————>>要么覆盖(100%),要么不覆盖(0%)

(3)\sigma 未知,且样本例数n较小(n< 50

t分布可知,此时某自由度的t曲线下约有 95%的t值在\pm t_{0.05/2(\nu)}之间,即:

-t_{0.05/2(\nu)}<t<t_{0.05/2(\nu)}

  -t_{0.05/2(\nu)}<\frac{\overline{X}-\mu }{S_{\overline{X}}}<t_{0.05/2(\nu)} 
        \overline{X}-t_{0.05/2(\nu)}S_{\overline{X}}<\mu <\overline{X}+t_{0.05/2(\nu)}S_{\overline{X}}

95%的双侧置信区间: (\overline{X}-t_{0.05/2(\nu)}S_{\overline{X}},\overline{X}+t_{0.05/2(\nu)}S_{\overline{X}})

99%的双侧置信区间: (\overline{X}-t_{0.01/2(\nu)}S_{\overline{X}},\overline{X}+t_{0.01/2(\nu)}S_{\overline{X}})

通式:\overline{X}-t_{\alpha /2(\nu)}S _{\overline{X}}(其中S_{\overline{X}}=S/\sqrt{n}S表示样本标准差,n表示样本含量,S_{\overline{X}}是基于样本标准差S的标准误)(双侧)

已知某地27例健康成年男性血红蛋白量的均数为 \overline{X}=125g/L,标准差S=15g/L ,试问该地健康成年男性血红蛋白量的95%和99%置信区间。

95%CI:\overline{X}\pm t_{0.05/2(\nu)}S_{\overline{X}}=\overline{X}\pm t_{0.05/2(26)}\frac{15}{\sqrt{27}}=125\pm 2.056\times 2.38 = (119.06,130.94)g/L

99%CI:\overline{X}\pm t_{0.01/2(\nu)}S_{\overline{X}}=\overline{X}\pm t_{0.01/2(26)}\frac{15}{\sqrt{27}}=125\pm 2.779\times 2.38 = (116.98,133.02)g/L

2、总体概率\left ( \pi \right )(\pi )的区间估计

总体概率的置信区间与样本含量n、阳性频率P(二项分布)的大小有关,可根据nP的大小选择以下两种方法。

1、正态近似法

当样本含量足够大,且 P1-P不太小(通常 \large n\pi\large n(1-\pi )大于或等于5),则样本率的分布近似正态分布。 

公式为:(P-Z_{\alpha /2}S_{P},P+Z_{\alpha /2}S_{P})

P为样本率, S_{P}为基于样本率的标准误,S _{p}=\sqrt{\frac{P(1-P)}{n-1}}\approx \sqrt{\frac{P(1-P)}{n }}

例:用某种仪器检查已确诊的乳腺癌患者94例,检出率为78.3%。估计该仪器乳腺癌总体检出率的95%置信区间。

分析:本例样本例数较大,且样本率P 不太小,可用正态近似法:

\large \begin{align} P\pm Z_{\alpha /2}S_{P} &=P\pm Z_{\alpha /2}\sqrt{\frac{P(1-P)}{n }} \\ &=0.783\pm 1.96\times \sqrt{\frac{0.783(1-0.783)}{120}} \\ &=(0.709,0.857) \end{align}

2、 查表法

n 较小,如n≤50,特别是P 和1-P 接近0或1时,应按照二项分布的原理估计总体率的可信区间。

某医院对39名前列腺癌患者实施开放手术治疗,术后有合并症者2人,试估计该手术合并症发生概率的95%置信区间。

 

通过查表,该手术合并症发生概率的95%置信区间为[1%,17%]

参与评论 您还未登录,请先 登录 后发表或查看评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
©️2022 CSDN 皮肤主题:创作都市 设计师:CSDN官方博客 返回首页

打赏作者

xia ge tou lia

你的鼓励将是我创作的最大动力

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额:-- )
扫码支付
扫码支付:¥2
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值