广义矩估计的一般步骤_数理统计学习小组 第四课抽样分布、参数估计、假设检验...

12月11日，本学期第四次“清新书院·数理统计学习小组”在清华大学新闻与传播学院(宏盟楼)环球资源厅顺利举行。新闻与传播学院2020级博士生王怡欢作为领学人，为在场的同学们介绍了抽样分布(卡方分布、t分布、F分布)、参数估计(点估计、区间估计)、假设检验等相关知识，带领在场同学们探索数理统计的世界。

概率论 → 数理统计

课程开始，王怡欢带领大家回顾了概率论与数理统计的联系与区别。

在此基础上，再次重点强调了连续型随机变量分布 – 正态分布的相关概念。

总体、样本

在介绍抽样分布之前，王怡欢通过举例，带领大家梳理了总体、样本，与统计量的概念。

抽样分布

统计量是利用样本构造的函数。统计量的分布称为抽样分布。抽样分布的情况，主要用于参数估计和推断统计。标准正态分布，是抽样分布的基础。

卡方分布

t分布

F分布

讲解了三大分布后，王怡欢进一步介绍了关于抽样分布的四个重要推论：

统计推断

参数估计

参数估计是在抽样及抽样分布的基础上，根据样本统计量来推断所关心的总体参数。在参数估计中，用来估计总体参数的统计量称为估计量。样本均值，样本比例、样本方差等都可以是一个估计量。根据一个具体的样本计算出来的估计量的数值，称为估计值。

王怡欢指出，需要重点理解的是，样本估计量是样本的一个函数。以样本平均数为例，它是总体平均数的一个估计量，如果按照相同的样本容量，相同的抽样方式，反复地抽取样本，每次可以计算一个平均数，所有可能样本的平均数所形成的分布，就是样本平均数的抽样分布。

点估计

点估计是用样本统计量的某个取值，直接作为总体参数的估计值。方法包括矩估计法、最大似然估计法、最小二乘法等。

区间估计

在点估计的基础上，给出总体参数估计的一个区间范围，该区间由样本统计量加减估计误差而得到。

置信区间

在区间估计中，由样本统计量所构造的总体参数的估计区间，称为置信区间。其中，区间的最小值称为置信下限，最大值称为置信上限。

置信水平

将构造置信区间的步骤重复很多次，置信区间包含总体参数真值的次数所占的比例称为置信水平。表示为( 1 − α) ∗ 100 %，α 是总体参数未在区间内的比例/可能性，也叫显著性水平。

常用的置信水平值有 99%, 95%, 90%，相应的α 为0.01，0.05，0.10。

在此基础上，王怡欢讲解了总体均值与总体方差的区间估计，以及评价估计量的三项标准：无偏性、有效性、一致性。

假设检验/显著性检验

假设检验涉及的范围非常广泛，几乎我们用到的所有统计分析方法都要用到它，如是否相关、 是否服从正态分布、两个总体均值是否相等、回归系数是否显著、过程是否稳定等。其理论基础是中心极限定理和抽样分布，原理是假设检验 = 显著性水平 + 小概率思想 + 反证法。

原假设与备择假设

两种类型的错误

假设检验问题的p值(probablity value)是由检验统计量的样本观察值得出的原假设可能被拒绝的最小显著性水平。如果p值小于⍺，则拒绝零假设；如果p值大于⍺，则不拒绝零假设。

假设检验的方法

在此基础上，王怡欢进一步为大家分别讲解了Z检验、t检验、F检验与卡方检验的具体概念与步骤。

在课程的最后，王怡欢总结了本次课程学习中有关数理统计的若干重要概念，并通过补充举例的方式，与同学们一同探讨、加深了对本节课内容的理解，详细解答了同学们提出的问题。