(06)第6章 参数估计
第六章参数估计
113第六章 参数估计一、 知识点1. 点估计的基本概念2. 点估计的常用方法(1) 矩估计法① 基本思想：以样本矩作为相应的总体矩的估计，以样本矩的函数作为相应的总体矩的同一函数的估计。
(2) 极大似然估计法设总体X 的分布形式已知，其中),,,(21k θθθθΛ=为未知参数，),,(21n X X X Λ为简单随机样本，相应的),,,(21n x x x Λ为它的一组观测值．极大似然估计法的步骤如下：① 按总体X 的分布律或概率密度写出似然函数∏==ni i n x p x x x L 121);();,,,(θθΛ （离散型）∏==ni i n x f x x x L 121);();,,,(θθΛ （连续型）若有),,,(ˆ21nx x x Λθ使得);,,,(max )ˆ;,,,(2121θθθn n x x x L x x x L ΛΛΘ∈=，则称这个θˆ为参数θ的极大似然估计值。
称统计量),,,(ˆ21nX X X Λθ为参数θ的极大似然估计量。
② 通常似然函数是l θ的可微函数，利用高等数学知识在k θθθ,,,21Λ可能的取值范围内求出参数的极大似然估计k l x x x nl l ,,2,1),,,,(ˆˆ21ΛΛ==θθ 将i x 换成i X 得到相应的极大似然估计量k l X X X nl l ,,2,1),,,,(ˆˆ21ΛΛ==θθ 注：当);,,,(21θn x x x L Λ不可微时，求似然函数的最大值要从定义出发。
3. 估计量的评选标准(1) 无偏性：设),,(ˆˆ21nX X X Λθθ=是参数θ的估计量，如果θθ=)ˆ(E ，则称θˆ为θ的无偏估计量。
(2) 有效性：设1ˆθ，2ˆθ是θ的两个无偏估计，如果)ˆ()ˆ(21θθD D ≤，则称1ˆθ较2ˆθ更有效。
4. 区间估计114 (1) 定义 设总体X 的分布函数族为{}Θ∈θθ),;(x F ．对于给定值)10(<<αα，如果有两个统计量),,(ˆˆ111n X X Λθθ=和),,(ˆˆ122n X X Λθθ=，使得{}αθθθ-≥<<1ˆˆ21P 对一切Θ∈θ成立，则称随机区间)ˆ,ˆ(21θθ是θ的双侧α-1置信区间，称α-1为置信度；分别称1ˆθ和2ˆθ为双侧置信下限和双侧置信上限． (2) 单侧置信区间(3) 一个正态总体下未知参数的双侧置信区间（置信度为α-1）二、 习题 1. 选择题(1) 设n X X X ,,,21Λ是来自总体X 的一个样本，则以下统计量①)(211n X X + ②)2(14321n X X X X X n ++++-Λ ③)2332(101121n n X X X X +++-作为总体均值μ的估计量，其中是μ的无偏估计的个数是A.0B.1C.2D.3(2) 设321,,X X X 是来自正态总体)1,(μN 的样本，现有μ的三个无偏估计量321332123211216131ˆ;1254131ˆ;2110351ˆX X X X X X X X X ++=++=++=μμμ其中方差最小的估计量是A.1ˆμB.2ˆμC. 3ˆμD.以上都不是 (3) 设0,1,0,1,1为来自0-1分布总体B(1,p)的样本观察值，则p 的矩估计值为 。
统计学 第 6 章 抽样与参数估计
第6章抽样与参数估计第6章抽样与参数估计6.1抽样与抽样分布6.2参数估计的基本方法6.3总体均值的区间估计6.4总体比例的区间估计6.5样本容量的确定学习目标理解抽样方法与抽样分布估计量与估计值的概念点估计与区间估计的区别评价估计量优良性的标准总体均值的区间估计方法总体比例的区间估计方法样本容量的确定方法参数估计在统计方法中的地位统计推断的过程6.1抽样与抽样分布什么是抽样推断概率捕样方法抽样分布抽样方法抽样方法概率抽样(probabilitysampling)也称随机抽样特点按一定的概率以随机原则抽取样本抽取样本时使每个单位都有一定的机会被抽中每个单位被抽中的概率是已知的，或是可以计算出来的当用样本对总体目标量进行估计时，要考虑到每个样本单位被抽中的概率简单随机抽样(simplerandomsampling)从总体N个单位中随机地抽取n个单位作为样本，每个单位入抽样本的概率是相等的最基本的抽样方法，是其它抽样方法的基础特点简单、直观，在抽样框完整时，可直接从中抽取样本用样本统计量对目标量进行估计比较方便局限性当N很大时，不易构造抽样框抽出的单位很分散，给实施调查增加了困难没有利用其它辅助信息以提高估计的效率分层抽样(stratifiedsampling)将抽样单位按某种特征或某种规则划分为不同的层，然后从不同的层中独立、随机地抽取样本优点保证样本的结构与总体的结构比较相近，从而提高估计的精度组织实施调查方便既可以对总体参数进行估计，也可以对各层的目标量进行估计系统抽样(systematicsainplmg)将总体中的所有单位(抽样单位)按一定顺序排列，在规定的范闱内随机地抽取一个单位作为初始单位，然后按爭先规定好的规则确定其它样本单位先从数字1到k之间随机抽取一个数字r作为初始单位，以后依次取r+k,r+2k…等单位优点：操作简便，可提高估计的精度缺点：对估计量方差的估计比较困难整群抽样(clustersampling)将总体中若干个单位合并为组(群)，抽样时直接抽取群，然后对中选群中的所有单位全部实施调查特点抽样时只需群的抽样框，可简化工作量调查的地点相对集中，节省调查费用，方便调查的实施缺点是估计的精度较差抽样分布总体中各元素的观察值所形成的分布分布通常是未知的可以假定它服从某种分布总体分布(populationdistribution)一个样本中各观察值的分布也称经验分布当样本容屋n逐渐增大时，样本分布逐渐接近总体的分布样本分布(sampledistribution)抽样分布的概念(samplingdistribution)抽样分布是指样本统计屋的分布，即把某种样本统计量看作一个随机变量，这个随机变屋的全部可能值构成的新的总体所形成的分布即为某种统计量的抽样分布.统计量:样本均值，样本比例，样本方差等样本统计量的概率分布是一种理论概率分布随机变量是样本统计量样本均值，样本比例，样本方差等结果来自容量相同的所有可能样本提供了样本统计量长远稳定的信息，是进行推断的理论基础，也是抽样推断科学性的重要依据对抽样分布的理解抽样分布:即不是总体分布，也不是样本分布，是根据所有可能样本计算的统计量的全部可能取值形成的分布样本均值的抽样分布容量相同的所有町能样本的样本均值的概率分布一种理论概率分布进行推断总体均值的理论基础样本均值的抽样分布样本均值的抽样分布（例题分析）【例】设一个总体，含有4个元素（个体），即总体单位数N=4。
第六章系统辨识与参数估计-数据预处理及相容性检验（精品）
1第六章 数据预处理及相容性检验6.1 前言航行器航行试验数据用于参数辨识之前，需要对试验数据进行预处理和数据相容性检验，目的在于尽可能消除含在数据中的各种噪声和系统误差，以提高辨识结果的准确度。
数据预处理包括：数据野值的识别、剔除与补正；数据加密；数据平滑与微分平滑；滤除高频噪声及以传感器位置校正等。
数据相容性检验的主要功能是将数据中的常值误差，特别是零位漂移误差辨识出来并重新建立没有常值误差的试验数据。
本章还以某型航行器的实测数据预处理为例，给出了具有实际应用意义的数据处理技术及结果。
6.2 数据处理的理论基础6.2.1 信号的分类用数学来描述待辨识系统的某一组输入和某一组输出时间函数间的关系是辨识的基础。
在选择信号的描述方法时，必须考虑信号表示的两个方面：①要表现出信号载有信息的属性；②要给出研究过程信息传递特性的方法。
按时间函数的特点来表达信息，可将信号分为连续信号和采样信号。
在许多情况下，信号的记录可以采用这两种信号中的任一种。
两种信号的记录均有各自的特点，但是利用计算机对记录的信号作处理时，往往需要采样信号，即使采用连续信号，也必须对信号作采样处理。
采样运算是线性运算，即当我们用算子ψ(.)表示这一运算时，对一切α和β，信号u(t)和y(t)均有ψαβαψβψ[()()][()][()]u t y t u t y t +=+(6-2-1)按幅度划分，信号可以分为模拟信号、量化信号和二进制信号。
二进制信号是量化信号的极限情况，量化运算是非线性运算。
因此，在处理量化信号时，这种非线性造成许多数学上的困难。
确定性信号与随机信号也是系统建模和参数辨识中常用的信号分析方式。
由于工程的实际环境，对随机信号的讨论更具有实际意义。
6.2.2 随机信号的描述为了讨论问题的方便，在此我们首先介绍随机信号的一些统计性质。
与确定性信号不一样，对随机信号询问其幅度的瞬时值是没有多少意义的，所以最有用的量是那些关于统计性质的量，如谱密度、数学期望值、方差和相关函数等。
西北工业大学《概率论与数理统计》课件-第六章 参数估计
(2) 似然函数
定义6.1 设总体X的分布密度(或分布律)为 p(x; ), 其中 (1, 2, ,m )为未知参数. 又设
( x1, x2,, xn ) 为自总体X的样本(X1,X2,…,Xn) 的一 个观察值，则称样本的联合分布
n
L( ) p(x1, x2, … , xn; ) p( xi; )
2º似然估计方程组与最大似然估计之间没有必 然
从中解得 pˆ k n
参数 p的估计值
这时, 对一切 0< p <1, 均有
P{Y k; pˆ } P{Y k; p}
综上所述： 设某试验的可能结果为： A1, A2 , ···, Ai , ···
若在一次试验中，某结果 Ai 出现，则应选择参 数使Ai 出现的概率最大.
以上这种选择一个参数使得实验结果具有
(k 1,2,, m)
(4) 求最大似然估计(MLE)的步骤:
1 写出似然函数
(1, 2 , ,m )
n
L( ) L( x1, x2,, xn; ) p( xi; )
n
i 1
2 取对数 ln L( ) ln p( xi; )
i 1
3 解似然方程(组)
ln L
ln L
2
为来自总体X的简单随机样本. 矩估计法的具体步骤:
1 求出k E( X k ) (1,2,,m )， k 1,2,,m；
2 要求k Ak , k 1,2,, m
这是一个包含 m个未知参数1,2 ,,m的方程组.
3 解出其中1,2,,m , 用ˆ1,ˆ2,,ˆm表示.
4 用方程组的解ˆ1, ˆ2 , ,ˆm 分别作为 1,2 ,,m的估计量,这个估计量称为
概率论与数理统计第6章参数区间估计2,3节
n
E(X
k
)
E(X
k)
i1
i1
二、有效性
未知参数 的无偏估计量不是唯一的.
设 ^1 和 ^2 都是参数 的无偏估计量,
θˆ 1
θˆ 2
集中
分散
蓝色是采用估^ 计量 1 , 用 14 个样本值得到的 14 个估计值. 紫色是采用估^ 计量 2 , 用 14 个样本值得到的 14 个估计值.
若limD(ˆ)0， 则ˆ是的一致估 . 计量 n
回顾例子.设总体X的概率密度为
f(x)6x3 (x),0x;
0, 其他
X1, X2,…, Xn 是取自总体X 的简单随机样本, (1) 求的矩估计量 ˆ；
(2) 求ˆ的方差D(ˆ).
解：矩估计 ˆ量 2X. D(ˆ)4D(X)4D(X)2
若滚珠直径服从正态分布X ~ N( , 2), 并且已知 = 0.16(mm),求滚珠直径均值的置信水平为95%
的置信区间.
解：由上面求解的置信水平为1- 的置信区间
Xσn 0 uα/,2 Xσn 0 uα/2
已 n 知 1,0 0 0 .1,6 0 .0,5 x110i110xi 14.92,
若进行n次独立重复抽样，得到n个样本观测值,
每个样本观测 个值 随确 机(定 ˆ1区 ,ˆ2一 )间 .那么
每个区间的 可真 能 ， 或 值 包不 含包 的含 真 , 值
根据伯努利大数定理, 在这n个随机区间中,
包含 真值1 的 0(1 0 约 )% 占 ,不包含 10 的 % 0. 约
便得 k的 到 最大似 ˆk(X 1,然 X 2, ,估 X n).计
第二节 判别估计量好坏的标准
第6章 参数估计
较 的样本容量
θ
B A
较 的样本容量
θ
ˆ θ
一致性： 一致性：
随着样本容量增大， 随着样本容量增大，估计量会越来越接近被估计 的参数。 的参数。即对任意的
→∞→ n
ε >0
，有
ˆ lim P{| θ −θ |< ε} =1
则称 θ 是参数θ的一致估计量。 ˆ 是参数θ的一致估计量。
X
µ -1.96 σx
+1.96σ µ +1.96σx
90%的样本 90%的样本 95% 的样本 99% 的样本
置信水平
1. 将构造置信区间的步骤重复很多次，置信 将构造置信区间的步骤重复很多次， 区间包含总体参数真值的次数所占的比例 称为置信水平. 称为置信水平. 2. 表示为 1 - a 是总体参数未在区间内的比例 3. a是总体参数未在区间内的比例 是总体参数未在区间内的比例 常用的置信水平值有 99%,
• 如某班级平均分数在75～85之间，置信水平是95% 如某班级平均分数在75～85之间，置信水平是95% 75 之间 95
5.1.3. 评价估计量的标准
1.无偏性： 无偏性：
ˆ ˆ 如果 E(θ ) =θ ，即估计量 θ 的数学 期望等于被估计的总体参数， 期望等于被估计的总体参数，我们称估计量
（35）4 35） （45）4.5 45） （55）5 55）
无偏性：估计量抽样分布的数学期望等于被 估计的总体参数. 估计的总体参数 .
ˆ P(θ)
偏 偏
A
B
ˆ θ
θ
样本平均数是总体平均数的无偏估 样本平均数是总体平均数的无偏估 计量。 计量。
以无偏性来评判估计量是很合理的。一 以无偏性来评判估计量是很合理的。 个好的估计量就某一个具体的估计值而言 可能不等于总体参数值， ，可能不等于总体参数值，但平均来看有 向估计的总体参数集中的趋势。 向估计的总体参数集中的趋势。
第六章 参数值的估计
第六章 参数值的估计 第一节 参数估计的一般问题一、估计量与估计值参数估计就是用样本统计量去估计总体参数，如用X 估计μ，用S2估计2σ，用p 估计π等。
总体参数可以笼统地用一个符号θ表示。
参数估计中，用来估计总体参数的统计量的名称，称为估计量，用θ表示，如样本均值、样本比例等就是估计量。
用来估计总体参数时计算出来的估计量的具体数值，叫做估计值。
二、点估计与区间估计——参数估计的两种方法 1、点估计用样本估计量θ的值直接作为总体参数θ的估计量值。
2、区间估计它是在点估计基础上，给出总体参数估计的一个区间，由此可以衡量点估计值可靠性的度量。
这个区间通常是由样本统计量加减抽样误差而得到。
以样本均值的区间估计来说明区间估计原理：根据样本均值的抽样分布可知，重复抽样或无限总体抽样情况下，样本均值，由此可知，样本均值落在总体均值两侧各为一个标准误差范围内的概率为0.6827，两个标准误差范围0.9545，三个标准误差范围0.9973，并可计算出样本均值落在μ的两侧任何一个标准误差范围内的概率（根据已知的μ，σ计算）。
但实际估计时，μ是未知的，因而不再是估计样本均值落在某一范围内的概率，而只能根据已设定的概率计算这个范围的大小。
例如：约有95%的样本均值会落在距μ的两个标准误差范围内，即约有95%的样本均值所构造的两个标准误差的区间会包括μ。
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，区间的最小值为置信下限，最大值为置信上限。
例如，抽取了1000个样本，根据每个样本构造一个置信区间，其中有95％的区间包含了真实的总体参数，而5%的没有包括，则称95％为置信水平／置信系数。
构造置信区间时，可以用所希望的值作为置信水平，常用的置信水平是90％，95％，99％，见下表：α称为显著性水平，表示用置信区间估计的不可靠的概率，1-为置信水平。
如何解释置信区间：如用95%的置信水平得到某班学生考试成绩的置信区间为（60，80），即在多次抽样中有95%的样本得到的区间包含了总体真实平均成绩，（60，80）这个区间有95%的可能性属于这些包括真实平均成绩的区间内的一个。
第6章 参数估计习题答案
解：总体 X 的数学期望为 E ( X ) = mp ， D( X ) = mp(1 − p) ， 二阶原点矩为 E ( X 2 ) = D( X ) + [E ( X )]2 = mp(mp − p + 1) 。
64
课
后
解：总体 X 的数学期望为 E ( X ) = ∫
ww
w.
2x θ (θ − x)dx = ，令 E ( X ) = X 可得 θ 2 3 0θ
（ 2 ） 设 总 体 X ~ N ( µ , σ 2 ) ， 参 数 µ 已 知 ， σ 2 （ σ 2 >0 ） 未 知 ，
x1 , x 2 ,L, x n 为一相应的样本值。求 σ 2 的最大似然估计值。
( x −µ ) ⎡ 1 − i 2 L( µ ) = Π ⎢ e 2σ i =1 2 π σ ⎢ ⎣ − i =1
⎤ ⎥= ⎥ ⎦
w.
1 5 。 = x 26
n
n ⎞ ln L( p ) = ⎛ ⎜ ∑ xi − n ⎟ ln(1 − p ) + n ln p 。 ⎝ i =1 ⎠
ˆ= （2）根据（1）中结论， p 的最大似然估计值为 p
x1 , x 2 ,L, x n 是来自 X 一个样本值。求 µ 的最大似然估计值。
2 ∑ ( xi − µ )
n
2σ
2
− ln 2π σ 。
(
)
n
令对数似然函数对 µ 的一阶导数为零，得到 µ 的最大似然估计值为
n
∑x
ˆ= µ
i =1
i
n
= x。
n
（2）似然函数为 对数似然函数为
n ⎡ − 1 L(σ 2 ) = Π ⎢ e i =1 ⎢ ⎣ 2π σ
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第 6 章 参数估计
6-1
Applied Statistics
第 6 章 参数估计
6.1 6.2 6.3 6.4
参数估计的一般问题 一个总体参数的区间估计 两个总体参数的区间估计 样本量的确定
6-2
Applied Statistics
学习目标
1. 2. 3. 4. 5. 6.
Applied Statistics
总体均值的区间估计
(正态总体、２已知，或非正态总体、大样本)
6 - 20
Applied Statistics 1. 假定条件
总体均值的区间估计
(大样本)
总体服从正态分布,且方差(２) 已知 如果不是正态分布，可由正态分布来近似 (n 30)
2. 使用正态分布统计量 z x z ~ N (0,1) n 3. 总体均值 在1- 置信水平下的置信区间为 s x z 2 或 x z 2 ( 未知) n n
Applied Statistics
总体均值的区间估计
(例题分析)
【例】已知某种灯泡的寿命服从正态分布，现从一批 灯泡中随机抽取16只，测得其使用寿命(单位：h)如 下。建立该批灯泡平均使用寿命95%的置信区间
16灯泡使用寿命的数据
1510 1450 1480 1460
6 - 29
1520 1480 1490 1460
Applied Statistics
总体方差的区间估计
6 - 34
Applied Statistics
总体方差的区间估计
1. 估计一个总体的方差或标准差 2. 假设总体服从正态分布 3. 总体方差 2 的点估计量为s2,且
n 1s 2
2
4. 总体方差在1- 置信水平下的置信区间为
1480 1510 1530 1470
1500 1520 1510 1470
Applied Statistics
总体均值的区间估计
(例题分析)
解：已知Ｘ~N(，2)，n=16, 1- = 95%，t/2=2.131 根据样本数据计算得：x 1490 ， s 24.77 总体均值在1-置信水平下的置信区间为
2. 无法给出估计值接近总体参数程度的信息
6-8
Applied Statistics
1. 2.
区间估计
(interval estimate)
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 根据样本统计量的抽样分布能够对样本统计量与总 体参数的接近程度给出一个概率度量
总体均值的区间估计
(小样本)
1. 假定条件
总体服从正态分布,但方差(２) 未知 小样本 (n < 30)
t x n ~ t (n 1)
2. 使用 t 分布统计量 3. 总体均值 在1-置信水平下的置信区间为 s x t 2 n
6 - 27
s
Applied Statistics
6 - 33
总体比例的区间估计
(例题分析)
解：已知 n=100，p＝65% , 1- = 95%， z/2=1.96
p z
2
p (1 p ) n
65% 1.96 65% 9.35%
65%(1 65%) 100
55.65%,74.35%
该城市下岗职工中女性比例的置信 区间为55.65%~74.35%
~ 2 n 1
n 1s 2 2 n 1s 2 2 2 2 n 1 1 2 n 1
6 - 35
Applied Statistics
总体方差的区间估计
(图示)
总体方差的 1 的置信区间
21 2
6 - 36
2 2
评价估计量的标准
6 - 14
Applied Statistics
无偏性
(unbiasedness)
无偏性：估计量抽样分布的数学期望等于被 估计的总体参数
ˆ P( )
无偏 有偏
A
B
6 - 15
ˆ
Applied Statistics
有效性
(efficiency)
量，有更小标准差的估计量更有效
1. 假定条件
总体比例的区间估计
总体服从二项分布 可以由正态分布来近似
2.
使用正态分布统计量 z p z ~ N (0,1) (1 ) n 3. 总体比例在1-置信水平下的置信区间为
p z 2
6 - 32
p(1 - p) n
Applied Statistics
【例】某城市想 要估计下岗职工 中女性所占的比 例，随机地抽取 了 100 名 下 岗 职 工，其中65人为 女性职工。试以 95%的置信水平 估计该城市下岗 职工中女性比例 的置信区间
比如，某班级平均分数在75～85之间，置信水平是95%
置信区间
样本统计量 (点估计)
6-9
置信下限
置信上限
Applied Statistics
区间估计的图示
x z 2 x
- 2.58x -1.65 x
x
+1.65x +2.58x
x
-1.96 x
+1.96x
我们只能是希望这个区间是大量包含总体参数真值的 区间中的一个，但它也可能是少数几个不包含参数真 值的区间中的一个 总体参数以一定的概率落在这一区间的表述是错误的
6 - 12
Applied Statistics
点估计值
置信区间
(95%的置信区间)
6 - 13
重复构造出的20个置信区间
Applied Statistics
Applied Statistics
估计量与估计值
6-5
Applied Statistics
估计量与估计值
(estimator & estimated value)
1. 估计量：用于估计总体参数的随机变量
如样本均值，样本比例, 样本方差等 例如: 样本均值就是总体均值 的一个估计量
ˆ 2. 参数用 表示，估计量用 表示 3. 估计值：估计参数时计算出来的统计量的 具体值
ˆ
Applied Statistics
6.2 一个总体参数的区间估计
6.2.1 总体均值的区间估计 6.2.2 总体比例的区间估计 6.2.3 总体方差的区间估计
6 - 18
Applied Statistics
一个总体参数的区间估计
总体参数
符号表示
样本统计量
x p
s
2
均值
比例
2
方差
6 - 19
ˆ P( )
ˆ1 的抽样分布
有效性：对同一总体参数的两个无偏点估计
B A
ˆ2 的抽样分布
ˆ
6 - 16
Applied Statistics
一致性
(consistency)
一致性：随着样本量的增大，估计量的 值越来越接近被估计的总体参数
ˆ P( )
较大的样本量
B A
较小的样本量
6 - 17
自由度为n-1的2
2
Applied Statistics
总体方差的区间估计
(例题分析)
【例】一家食品生产企业以生产袋装食品为主，现从某 天生产的一批食品中随机抽取了25袋，测得每袋重量如 下表所示。已知产品重量的分布服从正态分布。以95% 的置信水平建立该种食品重量方差的置信区间
25袋食品的重量
112.5
102.6 100.0 116.6 136.8 6 - 22
101.0
107.5 123.5 95.4 102.8
103.0
95.0 102.0 97.8 101.5
102.0
108.8 101.6 108.6 98.4
100.5
115.6 102.2 105.0 93.3
Applied Statistics
总体均值的区间估计
(例题分析)
解：已知Ｘ~N(，102)，n=25, 1- = 95%，z/2=1.96 x 。根据样本数据计算得： 105.36。由于是正态总 体，且方差已知。总体均值 在1-置信水平下的 置信区间为 10 x z 2 105.36 1.96 n 25 105.36 3.92
6-3
估计量与估计值的概念 点估计与区间估计的区别 评价估计量优良性的标准 一个总体参数的区间估计方法 两个总体参数的区间估计方法 样本量的确定方法
Applied Statistics
6.1 参数估计的一般问题
6.1.1 估计量与估计值 6.1.2 点估计与区间估计 6.1.3 评价估计量的标准
6-4
6 - 21
Applied Statistics
总体均值的区间估计
(例题分析)
【 例 】一家食品生产企业以生产袋装食品为主，为对食品质 量进行监测，企业质检部门经常要进行抽检，以分析每袋重 量是否符合要求。现从某天生产的一批食品中随机抽取了25 袋，测得每袋重量如下表所示。已知产品重量的分布服从正 态分布，且总体标准差为10g。试估计该批产品平均重量的 置信区间，置信水平为95%
90%的样本 95% 的样本
6 - 10
99% 的样本
Applied Statistics
置信水平
(confidence level)
1. 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 2. 表示为 (1 - 为是总体参数未在区间内的比例 3. 常用的置信水平值有 99%, 95%, 90% 相应的 为0.01，0.05，0.10