《商务与经济统计》笔记第八章

区间估计

我们发现点估计量是用于估计总体参数的样本统计量。因为我们不可能期望点估计量能给出总体参数的精确值，所以经常在点估计上加减一个被称为边际误差的值来计算区间估计。

区间估计的一般形式：点估计 +/- 边际误差

在计算区间估计时，抽样分布起到了非常重要的作用。

8.1 总体均值的区间估计：σ 已知情形

为了对总体均值进行区间估计，必须利用总体标准差 σ 或者样本标准差 s 计算边际误差。在大多数应用中， σ 是未知的，于是用 s 计算边际误差。
但是在一些应用中，我们在抽样前可以根据大量有关的历史数据估计总体标准差，这种情形为 σ 已知。

8.1.1 边际误差和区间估计

$\overline{x}$ 的抽样分布提供了关于 $\overline{x}$ 和 μ 之间可能存在的差别信息。

我们知道，任何正态分布随机变量都有95%的值在均值附近的 $\pm$ 的1.96个标准差之内。因此当 $\overline x$ 的抽样分布是正态分布时，一定有95%的 $\overline{x}$ 的值在均值 $\mu \pm 1.96{\sigma }_{\overline{x}}$ 以内。

举例来讲：已知 $\overline{x}$ 的抽样分布时正态分布，且标准差 ${\sigma }_{\overline{x}}=2$。所以在样本容量n为100的情况下， $\overline{x}$ 的所有值中有95%落在总体均值 μ 附近 $\pm 3.92$ 以内。

由于所有样本均值中有95%落在 总体均值 μ 附近 $\pm 3.92$ 的区域内，所以 $\overline{x}\pm 3.92$ 所构造的所有区间中有95%的区间包含总体均值 μ。【注：这里的所有区间中的所有指的是反复抽取计算的所有的样本均值，区间是指的每个样本均值 $\pm 3.92$所得到的区间。】

针对上面的例子，假如某次抽样得到的样本均值 $\overline{x}=82$ ，利用 $\overline{x}\pm 3.92$ 构造区间估计，得到 μ 的区间估计为 (78.08 , 85.92)。利用 $\overline{x}\pm 3.92$ 构造的所有区间中有95%包含总体均值，所以我们说有95%的把握相信区间 (78.08 , 85.92) 包括总体均值 μ 。我们称这个区间是在95%的置信水平下建立的，其中数值0.95称为置信系数，区间 (78.08 , 85.92) 称为95%置信区间。

总体均值的区间估计：σ 已知情形

$\overline{x}\pm z_{\alpha /2}\frac{\sigma }{\sqrt{n}}$

式中，1-α 为置信系数，$z_{\alpha /2}$ 表示标准正态概率分布上侧面积为 $\alpha /2$ 时的Z值。
1-α 为置信系数，等于0.95，所以α=0.05。

最常用的置信水平下的 $z_{\alpha /2}$ 值：

置信水平	α	$\alpha /2$	$z_{\alpha /2}$
90%	0.10	0.05	1.645
95%	0.05	0.025	1.960
99%	0.01	0.005	2.576

8.1.2 应用中的建议

如果总体服从正态分布，上节所给的置信区间是精确的。换言之，如果利用公式反复计算95%的置信区间，则得到的所有置信区间中恰好有95%的区间包含总体均值。

如果总体不服从正态分布，则公式计算得到的置信区间是近似的。近似的程度依赖于总体的分布和样本容量。
在绝大部分应用中，建立总体均值的区间估计时，样本容量 >=30已经足够。
如果总体分布不服从正态分布但是大致对称，则样本容量至少为15时才能得到置信区间的一个好的近似。

注意：在区间估计的表达式中，样本容量n出现在分母上。于是，实际应用中当某一样本容量产生的区间太宽时，可以考虑增大样本容量。由于n出现在分母上，增大样本容量可以使边际误差减小，使区间变窄，精度提高。

8.2 总体均值的区间估计：σ 未知情形

在建立总体均值的区间估计时，通常并没有关于总体标准差的一个好的估计。在这种情形下，必须利用同一样本估计 μ 和 σ 两个未知参数。

当利用 s 估计 σ 时，边际误差和总体均值的区间估计都以 t 分布的概率分布为依据进行的。

t 分布是由一类相似的概率分布组成的分布族，某个特定的 t 分布依赖于称为自由度的参数。当自由度分别为1、2、3、…时，有且仅有唯一的 t 分布与之对应。随着自由度的增大， t 分布与标准正态分布之间的差别变得越来越小。

给 t 加下标以表明其在 t 分布上侧的面积。如 $t_{0.025}$ 表示在 t 分布该值上侧的面积为0.025。一般的，用记号 $t_{\alpha /2}$ 表示在 t 分布中 $t_{\alpha /2}$ 上侧的面积为 $\alpha /2$ 。

8.2.1 边际误差和区间估计

总体均值的区间估计： σ 未知情形

$\overline{x}\pm t_{\alpha /2}\frac{s}{\sqrt{n}}$

式中，s为样本标准差；1-α为置信系数；自由度为n-1的 t 分布中，$t_{\alpha /2}$上侧的面积正好等于 $\alpha /2$ ；在式中，与 t 值对用的自由度为 n-1。
问：为什么自由度为 n-1 ?
答：因为对于所有的数据集，都有 $\sum {\left(x_i-\overline{x}\right)}^2=0$ ，因此，$\left(x_i-\overline{x}\right)$ 中只有 n-1 项是独立的，即如果我们知道了 n-1 个值，则可以确定余下的值。于是，与 $\sum {\left(x_i-\overline{x}\right)}^2$ 所联系的自由度的个数为 n-1。

8.2.2 应用中的建议

如果总体服从正态分布，公式所给的置信区间是精确的，并且适用于任何样本容量。

如果总体不服从正态分布，则公式计算得到的置信区间是近似的。近似的程度依赖于总体的分布和样本容量。

在绝大部分应用中，建立总体均值的区间估计时，样本容量 >=30已经足够。
然而如果总体分布严重偏斜或者包含异常点，建议将样本容量增加到50或者更大。

8.2.3 区间估计方法小结

总体均值的区间估计方法【流程图】

注意：当 σ 已知时，对所有容量为 n 的样本边际误差是相同的，为 $2_{\alpha /2}\left(\sigma /\sqrt{n}\right)$ 。
当 σ 未知时，边际误差 $t_{\alpha /2}\left(s/\sqrt{n}\right)$ 随着样本的变化而变化，这是由于样本标准差 s 依赖于抽取的样本。s 越大边际误差越大，s 越小边际误差越小。

8.3 样本容量的确定

总体均值区间估计的样本容量：

$n=\frac{{\left(z_{\alpha /2}\right)}^2{\sigma }^2}{E^2}$

E值是使用者可接受的边际误差，$z_{\alpha /2}$ 可由区间估计中所用到的置信水平确定。σ 要求是已知的。

8.4 总体比率

总体比率 p 的区间估计的一般形式：$\overline{p}\pm$边际误差。

第七章已证明，当 $np⩾5$ 且 $n\left(1-p\right)⩾5$ 时，$\overline{p}$ 的抽样分布近似服从正态分布。

$\overline{p}$ 的抽样分布的均值是总体比率 p ，$\overline{p}$ 的标准差是：${\sigma }_{\overline{p}}=\sqrt{\frac{p\left(1-p\right)}{n}}$

总体比率的区间估计：

$\overline{p}\pm z_{\alpha /2}\sqrt{\frac{\overline{p}\left(1-\overline{p}\right)}{n}}$

式中，1-α 为置信系数，$z_{\alpha /2}$ 表示标准正态概率分布上侧面积为 $\alpha /2$ 时的Z值。

样本容量的确定：

$n=\frac{{\left(z_{\alpha /2}\right)}^2\overline{p}\left(1-\overline{p}\right)}{E^2}$

E值是使用者可接受的边际误差，$z_{\alpha /2}$ 可由区间估计中所用到的置信水平确定。

由于抽样前 $\overline{p}$ 是未知的，因此上式并不能用于计算达到预期的边际误差所需要的样本容量。于是需要一个 $\overline{p}$ 的计划值 $p^{\ast }$ 。
则总体比率区间估计的样本容量为：

$n=\frac{{\left(z_{\alpha /2}\right)}^2{p}^{\ast }\left(1-p^{\ast }\right)}{E^2}$ 。

实践中，可选择如下方法确定计划值 $p^{\ast }$ ：
1、用以前相同或类似样本的样本比率来代替；
2、利用实验性的研究，选取一个初始样本，以该样本的样本比率作为计划值 $p^{\ast }$ ；
3、使用判断或者最有猜测作为 $p^{\ast }$ 值；
4、如果上述方法均不适用，则取计划值 $p^{\ast }=0.5$ .