参数估计_重温统计学--参数估计

小文 | 公众号 小文的数据之旅

前几期说到统计学最大的作用是得样本而知总体，利用样本准确地预测总体，并以一定的方式说明预测结果的可靠程度。在统计学中，这预测的过程称为参数估计，通过置信水平来说明预测结果的可靠程度。

那么为什么可以用样本估计总体呢？在参数估计的过程中又要注意什么呢？首先样本来自总体，抽样要尽量保证无偏抽样，无偏样本的分布形状与总体样本相似（即估计量抽样分布的数学期望等于总体参数）。另外大数法则告诉我们，样本量越大，样本的统计量越接近总体的真值，最为极端的情况就是样本量等于总体量，样本的统计量还能不等于总体的参数吗？

参数估计的方法主要有两种，分别是点估计和区间估计。

点估计就是用样本统计量的某个取值直接作为总体参数的估计值，那么从总体中多次抽样，每个样本都有一个点估计量，那我们怎么知道哪个点估计量更接近总体的真值呢？

于是就出现了区间估计。区间估计是点估计的基础上，给出总体参数估计的一个区间范围，该区间通常由样本统计量加减估计误差得到。

这个区间范围也称为置信区间，那么这个区间范围多大比较合理呢？一般我们会通过置信水平，即置信区间中包含总体参数真值的次数所占的比例来衡量。比如，最为常用的95%置信水平，可以解释为由100个样本构造的总体参数的100个置信区间中，有95%的区间包含总体参数真值。

知道了这些基础的概念之后，又该如何通过样本对总体进行参数估计呢？

---

1、点估计

常用的统计量包括有均值、方差、变异系数、偏度和峰度等。根据已知情况，样本均值是我们能为总体均值做出的最好的估计，样本均值被称为总体均值的点估计量。同理，样本方差也被称为总体方差的点估计量。

1.1 点估计的步骤：

(1)找出特定样本大小相同的所有样本

(2)观察所有样本统计量形成的分布，然后求出统计量的期望和方差

(3)得到分布后，利用分布求出概率

1.2 样本均值的抽样分布：

如果考虑同一个总体中所有大小为n的可能样本，然后用这些样本的均值形成分布，则该分布为均值的抽样分布，我们用

表示样本均值随机变量。

的期望:

的方差:

• 如果总体服从正态分布
  ，则样本均值随机变量也服从
  正态分布，
  ；
• 如果总体不服从正态分布，但n>30，根据中心极限定理，则样本均值随机变量的分布近似正态分布;
• 如果总体不服从正态分布且n<30，则样本均值随机变量的分布根据总体分布的不同而不同，比如总体服从二项分布，样本均值也服从二项分布。

1.3 样本比例的抽样分布：

从同一个总体中取得的所有大小为n的可能样本，由这些样本的比例形成一个分布，这就是比例的抽样分布，用

代表样本比例随机变量。

比例一般与二项分布有关。

的期望：

的方差：

• 如果n>30,根据中心极限定理，则样本比例符合正态分布，即
  ,因为是离散数据，使用这个公式时
  需要连续性修正：
  ，具体见重温统计学--概率与概率分布

点估计量是我们有可能给出的总体统计量的最佳估计，但是依然无法100%地代表总体，原因很简单，因为我们用的是样本，而不是总体本身，所以我们无法判断哪个估计量最好，这时候就需要区间估计。

---

2、区间估计

2.1 区间估计四步骤：

（1）选择总体统计量（均值、方差、比例）

（2）求出其抽样分布

（3）决定置信水平（5%、1%）

（4）求出置信上下限（Z分布、t分布）

因为区间估计是在点估计的基础上加减估计误差得到，因此前两步的做法一样，然后选择置信水平，置信水平一般会选择5%，更严格些会选择1%。区间估计一般表示为:

因此，在区间估计中误差范围就是系数统计量的标准差，因此我们可以根据可接受的误差范围来确定抽样的数量。设可接受的误差范围为E，那么

2.2 一个总体的均值区间估计：

• 如果总体服从正态分布且总体方差已知，则置信区间为
• 如果总体不服从正态分布，但n>30且总体方差已知，则置信区间为
• 不管总体是否服从正态分布，如果总体方差未知，样本方差已知且n>30，则置信区间为
• 总体服从正态分布，如果总体方差未知，样本方差已知且n<30，则置信区间为

2.3 一个总体的比例区间估计：

• 如果总体服从二项分布且n>30，则置信区间为

2.4 两个总体的均值之差的区间估计：

如果两个样本是从总体中独立抽取的，即一个样本中的元素与另一个样本中的元素相互独立，那么两个样本均值之差的期望为两个总体均值之差，方差的期望为两个总体方差之和，具体见重温统计学--概率与概率分布。

样本均值之差的期望：

样本均值之差的方差：

• 如果总体服从正态分布且总体方差已知，则置信区间为
• 如果总体不服从正态分布，但n>30且总体方差已知，则置信区间为
• 不管总体是否服从正态分布，如果总体方差未知，样本方差已知且n>30，则置信区间为
• 总体服从正态分布，如果总体方差未知，样本方差已知且n<30，则置信区间为

2.5 两个总体的比例之差的区间估计：

• 如果总体服从二项分布且n>30，则置信区间为

c为Z分布系数，t(v)为t分布系数，常用的置信水平相对应的c值为：

• 90%置信水平，c=1.64
• 95%置信水平，c=1.96
• 99%置信水平，c=2.58

---

3、 实践部分：

某企业生产的袋装食品采用自动打包机包装，每袋标准重量为100克，现从某天生产的一批产品中按重复抽样随机抽取50包进行检查，测得每包重量如下：

• 96~98g：2包
• 98~100g：3包
• 100~102g：34包
• 102~104g：7包
• 104~106g：4包

已知食品每包的重量服从正态分布，

（1）求确定该种食品平均重量的95%的置信区间。

（2）如果规定食品重量低于100g属于不合格，确定该批食品合格率的95%的置信区间。

答：

• 推理步骤：

（1）因为总体服从正态分布，总体方差未知且样本数量大于30，因此样本均值也服从正态分布，

其中样本均值：

样本方差：

样本均值的期望：

样本均值的方差：

因此，样本均值服从N(101.32,0.053)的正态分布，转为化标准正态分布：

现在需要求样本均值的95%的置信区间，查表可知95%的置信区间

，因此

最终求得样本均值的95%的置信区间为（100.87，101.77）。

• 公式法： 因为总体服从正态分布，总体方差未知且样本数量大于30，因此置信区间为
  ，代入，得到样本均值的95%的置信区间为（100.87，101.77）。

• python实现：

import pandas as pd 
import numpy as np
x1 = [97]*2
x2 = [99]*3
x3 = [101]*34
x4 = [103]*7
x5 = [105]*4
data = x1+x2+x3+x4+x5

#定义一个函数进行区间估计
def get_result(data=data,c=None,t=None,sigma = None,num = 'n'):
"""data:数据
   c:Z分布系数
   t:t分布系数
   sigma:总体方差
   num:样本量
"""
    data_mean = np.mean(data)
    data_std = np.std(data)
    if sigma == None and num>=30:
        print(data_mean-c*data_std/np.sqrt(num),data_mean+c*data_std/np.sqrt(num))
    elif sigma == None and num<30:
        print(data_mean-t*data_std/np.sqrt(num),data_mean+t*data_std/np.sqrt(num))
    elif sigma != None and num>= 30:
        print(data_mean-c*sigma/np.sqrt(num),data_mean+c*sigma/np.sqrt(num))
    else:
        print(data_mean-t*sigma/np.sqrt(num),data_mean+t*sigma/np.sqrt(num))

get_result(data,c = 1.96,num = 50)
100.87154103509909 101.7684589649009

（2）低于100g属于不合格，因此不合格率为10%，合格率为90%，这是一个属于总体比例区间估计的问题，因此根据公式

，可得该批食品合格率的95%的置信区间为（0.82，0.98）

— end —

小文的数据之旅

戳右上角「+关注」获取最新share

如果喜欢，请分享or点赞