统计学-task2

中心极限定理

1.定义

中心极限定理是指，样本的平均值约等于总体的平均值。不管是什么分布，任意一个总体的样本平均值都会围绕在总体的整体平均值周围，并且呈正态分布。
注意：取样本的时候，一般认为，每组大于等于30个，即可让中心极限定理发挥作用。

2.举例

假设有一个群体，如清华毕业的人，想知道这群人的收入。会进行一下四步：
第一步：抽取1个样本，包括100个人，然后对这些人的收入求平均值。
第二步：将第一步不断重复，即不断从毕业的人中抽取1000个人，例如抽取了5个样本将会得到5个平均值。样本数量即为5.
第三步：根据中心定理，这些样本平均值中的绝大部分都极为接近总体的平均收入。有一些会稍高一点，有一些会稍低一点，只有极少数的样本平均值大大高于或者低于群体平均值；
第四步：中心极限定理告诉我们，不论所研究的群体是怎样分布，这些样本平均值会在总体平均值周围呈现一个正态分布。

置信区间

1.定义

一般用中括号[a,b]表示样本估计总体平均值误差范围的区间。a、b的具体数值取决于对“该区间包含总体均值”这一结果的可信程度，因此[a,b]称为置信区间。
一般来说，选定某个置信区间，目的是为了让“ab之间包含总体平均值”的结果有一个特定的概率，这个概率就是所谓的置信水平。

2.举例

假设全国人民的身高服从正态分布：

不断进行采样，假设样本的大小为n，则样本均值为：

由大数定理和中心极限定理：

几个小问题：
1.为什么常用95%的置信水平？

2.计算置信区间的套路
1）首先明确要求解的问题，比如上例要通过样本来估计全国人民身高的平均值；
2）求抽样样本的平均值和标准误差。（标准误差和标准差是不一样的）；
3）确定需要的置信水平，比如常用的是95%；
4）查z表，求z值；
5）计算置信区间
a = 样本均值 - z标准误差
b = 样本均值 + z标准误差

参考：https://blog.csdn.net/bitcarmanlee/article/details/82709774