参数估计和假设检验(12)
统计学
STATISTICS (第三版)
抽样分布
(sampling distribution)
1. 样本统计量的概率分布
2. 是一种理论概率分布 3. 随机变量是 样本统计量
样本均值, 样本比例，样本方差等
4. 结果来自容量相同的所有可能样本
5. 提供了样本统计量长远我们稳定的信息，是进 行推断的理论基础，也是抽样推断科学性的重 要依据
STATISTICS (第三版)
2分布
(性质和特点)
1. 分布的变量值始终为正
2. 分布的形状取决于其自由度n的大小，通常为不 对称的正偏分布，但随着自由度的增大逐渐趋 于对称
3. 期望为：E(2)=n，方差为：D(2)=2n(n为自由度)
4. 可加性：若U和V为两个独立的2分布随机变量， U由~度2为(n1n)1，+n2V的~22(分n2布),则U+V这一随机变量服从自
3,4
4
4,1
4,2
4,3
4,4
1 - 18
2021/318/7
统计学
STATISTICS (第三版)
样本均值的抽样分布
(例题分析)
计算出各样本的均值，如下表。并给出样本均 值的抽样分布
16个样本的均值（x）
第一个
第二个观察值
观察值 1
2
3
4
1 1.0 1.5 2.0 2.5
2 1.5 2.0 2.5 3.0
统计学
STATISTICS (第三版)
样本比例的抽样分布
1. 容量相同的所有可能样本的样本比例的概 率分布
2. 当样本容量很大时，样本比例的抽样分布 可用正态分布近似
3. 一种理论概率分布
4. 推断总体总体比例的理论基础
1 - 30
2021/330/7
统计学
STATISTICS (第三版)
样本比例的抽样分布
1 - 15
2021/315/7
统计学
STATISTICS (第三版)
样本均值的抽样分布
1. 容量相同的所有可能样本的样本均值的概 率分布
2. 一种理论概率分布
3. 进行推断总体总体均值的理论基础
1 - 16
2021/316/7
统计学
STATISTICS (第三版)
样本均值的抽样分布
(例题分析)
1. 一个样本中各观察值的分布
2. 也称经验分布
3. 当样本容量n逐渐增大时，样本分布逐渐 接近总体的分布
样 本
1-6
2021/36/7
统计学
STATISTICS (第三版)
样本分布（Sample Distribution）是指由构成样本的个体所形 成样本的频数分布，以及计算出来的相关统计量。
样本中的个体都是来自于总体，具有总体的相关信息和基 本特征，样本分布是总体分布的一个映象，一个缩影。当 样本容量充分大时，样本分布趋近于总体分布。
.3
.2
.1 0
1
234
= 2.5
σ2 =1.25
1 - 20
.3 P ( X ) 抽样分布
.2
.1
0
1.0 1.5 2.0 2.5 3.0 3.5 4.0 X
X 2.5
2 X
0.625
2021/320/7
统计学
STATISTICS (第三版)
样本均值的抽样分布 与中心极限定理
当总体服从正态分布N~(μ,σ2)时，来自该总体的所有
1-9
2021/39/7
统计学
STATISTICS (第三版)
抽样分布
(sampling distribution)
总体
1 - 10
计算样本统计
样
量
本
例如：样本均
值、比例、方 差
2021/310/7
统计学
STATISTICS (第三版)
样本容量与样本个数
（1）样本容量：样本是从总体中抽出的部分 单位的集合，这个集合的大小称为样本容 量，一般用n表示，它表明一个样本中所包 含的单位数。一般地，样本单位数大于30 个的样本称为大样本，不超过30个的样本 称为小样本。
3 2.0 2.5 3.0 3.5
4 2.5 3.0 3.5 4.0
.3 P (X ) .2 .1 0
1.0 1.5 2.0 2.5 3.0 3.5 4.0 X
样本均值的抽样分布
1 - 19
2021/319/7
统计学 样本均值的分布与总体分布的比较
STATISTICS (第三版)
(例题分析)
总体分布
STATISTICS (第三版)
样本均值的抽样分布
(例题分析)
现从总体中抽取n＝2的简单随机样本，在重复抽 样条件下，共有42=16个样本。所有样本的结果为
所有可能的n = 2 的样本（共16个）
第一个
第二个观察值
观察值
1
2
3
4
1
1,1
1,2
1,3
1,4
2
2,1
2,2
2,3
2,4
3
3,1
3,2
3,3
统计学
STATISTICS (第三版)
均值的抽样标准误
1. 所有可能的样本均值的标准差，测度所 有样本均值的离散程度
2. 小于总体标准差
3. 计算公式为
X
n
1 - 27
2021/327/7
统计学
STATISTICS (第三版)
样本比例的抽样分布
1 - 28
2021/328/7
统计学
STATISTICS (第三版)
1-8
2021/38/7
统计学
STATISTICS (第三版)
抽样分布（Sampling Distribution）是指从同分布总 体中，独立抽取的相同样本容量的样本统计量的 概率分布。所以，抽样分布是样本分布的概率分 布，抽样分布是抽样理论的研究对象。
抽样分布反映了依据样本计算出来的统计量数值的 概率分布，这是科学地进行统计推断的基础。例 如，在大样本场合，由中心极限定理有样本均值 趋于正态分布。
（2）样本统计量：与总体参数对应的是样本 统计量。
1 - 12
2021/312/7
统计学
STATISTICS (第三版)
重复抽样与不重复抽样
（1）重复抽样：是指从总体中抽出一个样本 单位，记录其标志值后，又将其放回总体 中继续参加下一次样本单位的抽取。
（2）不重复抽样：即每次从总体中抽取一个 单位，登记后不放回原总体，不参加下一 次抽样。
容量为n的样本的均值X也服从正态分布，X 的数
学期望为μ，方差为σ2/n。即X～N(μ,σ2/n)
=10
n= 4
x 5
n =16
x 2.5
= 50 X
总体分布
x 50
X
抽样分布
1 - 21
2021/321/7
统计学
STATISTICS (第三版)
中心极限定理
(central limit theorem)
【例】设一个总体，含有4个元素(个体) ，即总体单位 数N=4。4 个个体分别为x1=1、x2=2、x3=3 、x4=4 。总 体的均值、方差及分布如下
总体分布
.3
.2
.1 0
1
234
1 - 17
均值和方差
N
xi
i1 2.5
N
N
(xi )2
2 i1
1.25
N
2021/317/7
统计学
样本方差的分布
对于来自正态总体的简单随机样本，则比值
(n 1)s 2
2
的抽样分布服从自由度为 (n-1) 2分布，即
(n 1)s 2
2
~
2 (n 1)
1 - 33
2021/333/7
统计学
STATISTICS (第三版)
2分布
(2 distribution)
1. 由阿贝(Abbe) 于1863年首先给出，后来由海尔墨特 (Hermert)和卡·皮尔逊(K·Pearson) 分别于1875年和 1900年推导出来
(数学期望与方差)
1. 样本比例的数学期望
E(P)
2. 样本比例的方差
重复抽样
2 P
(1 )
n
不重复抽样
2 P
(1 )
n
N n N 1
1 - 31
2021/331/7
统计学
STATISTICS (第三版)
样本方差的抽样分布
1 - 32
2021/332/7
统计学
STATISTICS (第三版)
样本分布是指某一个具体的样本中的个体数量特征。由于 样本是随机抽取的，每一次抽取的样本中的个体不尽相同， 每一个具体的样本分布也会与对应的总体分布存在或大或 小的偏误，根据样本计算的统计量是随机变量。
（随机抽取的）样本的分布与客观的总体分布之间的误差， 需要借助抽样分布概念。
1-7
2021/37/7
X
的分 布趋 于正 态分 布的 过程
1 - 23
中心极限定理
(central limit theorem)
2021/323/7
统计学
STATISTICS 抽样分布与总体分布的关系 (第三版) 总体分布
正态分布 正态分布
1 - 24
非正态分布
大样本
小样本
正态分布 非正态分布
2021/324/7
统计学
1 - 13
2021/313/7
统计学
STATISTICS (第三版)
参数估计与假设检验的区别和联系
参数估计与假设检验的区别和联系统计学方法包括统计描述和统计推断两种方法，其中，推断统计又包括参数估计和假设检验。
（一）参数估计就是用样本统计量去估计总体的参数，它的方法有点估计和区间估计两种。
点估计是用估计量的某个取值直接作为总体参数的估计值。
点估计的缺陷是没法给出估计的可靠性，也没法说出点估计值与总体参数真实值接近的程度。
区间估计是在点估计的基础上给出总体参数估计的一个估计区间，该区间通常是由样本统计量加减估计误差得到的。
在区间估计中，由样本估计量构造出的总体参数在一定置信水平下的估计区间称为置信区间。
统计学家在某种程度上确信这个区间会包含真正的总体参数。
在区间估计中置信度越高，置信区间越大。
置信水平为1-a, a为小概率事件或者不可能事件，常用的置信水平值为99%，95%，90%，对应的a为0.01, 0.05， 0.1。
置信区间是一个随机区间，它会因样本的不同而变化,而且不是所有的区间都包含总体参数。
一个总体参数的区间估计需要考虑总体分布是否正态分布，总体方差是否已知，用于估计的样本是大样本还是小样本等。
（1）来自正态总体的样本均值，不论抽取的是大样本还是小样本，均服从正态分布。
（2）总体不是正态分布，大样本的样本均值服从正态分布，小样本的服从t 分布。
（3）不论已判断是正态分布还是t 分布，如果总体方差未知，都按t 分布来处理。
（4）t 分布要比标准正态分布平坦，那么要比标准正态分布离散，随着自由度的增大越接近。
（5）样本均数服从的正态分布为N（u , a^2/n）远远小于原变量离散程度N (u, a^2) 。
（二）假设检验是推断统计的另一项重要内容，它与参数估计类似，但角度不同，参数估计是利用样本信息推断未知的总体参数，而假设检验则是先对总体参数提出一个假设，然后利用样本信息判断这一假设是否成立。
假设检验的基本思想：先提出假设，然后根据资料的特点，计算相应的统计量，来判断假设是否成立，如果成立的可能性是一个小概率的话，就拒绝该假设，因此称小概率的反证法。
参数估计和假设检验案例
参数估计和假设检验案例案例一：工艺流程的检测某公司是一家为客户提供抽样和统计程序方面建议的咨询公司，这些建议可以用来监控客户的制造工艺流程。
在一个应用项目中，一名客户向该公司提供了一个样本，该样本由工艺流程正常运行时的800个观测值组成。
这些数据的样本标准差为0.21；因为有如此多的样本数据，因此，总体标准差被假设为0.21。
然后，该公司建议：持续不断地定期抽取容量为30的随机样本以对工艺流程进行检测。
通过对这些新样本的分析，客户可以迅速知道，工艺流程的运行状况是否令人满意。
当工艺流程的运行状况不能令人满意时，可以采取纠正措施来解决这个问题。
设计规格要求工艺流程的均值为12，该公司建议采用如下形式的假设检验。
μ=μ≠H0 ：12 H1 ：12只要H0被拒绝，就应采取纠正措施。
下表为第一天运行新的工艺流程的统计控制程序时，每隔一小时收集的样本数据。
问题：1、对每个样本在0.01的显著性水平下进行假设检验，并且确定，如果需要Z0.005=2.582、4、讨论将显著性水平改变为一个更大的值时的影响？如果增加显著性水平，哪种错误或误差将增加？显著性水平增加，置信区间减小，误差减小。
案例二：计算机辅助教学会使完成课程的时间差异缩小吗？某课程引导性教程采用一种个性化教学系统，每位学生观看教学录像，然后给以程式化的教材。
每位学生独立学习直至完成训练并通过考试。
人们关心的问题是学生完成训练计划的进度不同。
有些学生能够相当快地完成程式化教材，而另一些学生在教材上需要花费较长的时间，甚至需要加班加点才能完成课程。
学的较快的学生必须等待学得较慢的学生完成引导性课程才能一起进行其他方面的训练。
建议的替代系统是使用计算机辅助教学。
在这种方法中，所有的学生观看同样的讲座录像，然后每位学生被指派到一个计算机终端来接受进一步的训练。
在整个教程的自我训练过程中，由计算机指导学生独立操作。
为了比较建议的和当前的教学方法，刚入学的122名学生被随机地安排到这两种教学系统中。
参数估计与假设检验SPSS
3
区别
参数估计更侧重于总体参数的估计和推断，而假 设检验更侧重于对总体参数的假设进行验证和决 策。
02
SPSS软件介绍
SPSS软件的特点与优势
强大的统计分析功能
SPSS提供了广泛的统计分析方法，包括描述性统计、推论性统计、 多元统计分析等，能够满足各种数据分析和科学研究的需求。
易用性
SPSS的用户界面友好，操作简单，使得用户可以快速上手，减少了 学习成本。
参数估计与假设检验的应用场景与注 意事项
参数估计与假设检验的应用场景
社会科学研究 在社会科学研究中，参数估计与 假设检验是常用的统计方法，用 于检验理论模型和假设，评估变 量之间的关系。
心理学研究 在心理学研究中，参数估计与假 设检验用于研究人类行为、认知 和情感等方面的规律和特点。
医学研究 在医学研究中，参数估计与假设 检验常用于临床试验和流行病学 研究中，以评估治疗效果、疾病 发病率和风险因素等。
04
05
根据输出结果判断假设是否 成立。
假设检验的实例分析
以一个实际研究问题为例，如比较两组人群的平均身高是否存在显著差异。
在SPSS中实现该实例分析，包括数据导入、选择统计方法、设置参数、运 行统计方法和结果解读等步骤。
根据SPSS的输出结果，判断提出的假设是否成立，并解释结果的实际意义。
05
数据处理技术，提高分析效率和准确性。
多变量分析方法
03
多变量分析方法的发展将促进参数估计与假设检验的进一步应
用，能够更全面地揭示变量之间的关系。
THANKS
感谢观看
使用SPSS进行参数估计，例如使用逻辑回归分 析来估计吸烟与肺癌之间的关系。
04
假设检验在SPSS中的实现
《医学统计学》第六章+参数估计与假设检验
2、该地所有人收缩压的均数可能在什么范围？
医学统计学（第7版）
三、总体均数的区间估计
（一）σ 已知
➢ 如果变量 X 服从均数为 μ、标准差为 的正态分布，则： z
服从标准正态分布。则：
P X 1.96
X 1.96
0.95
（二）σ 未知
1. t 分布
➢ 事实上，总体标准差 通常是未知的，这时我们可以用其估计量S代替 ，但
在这种情况下，( X ) / ( S /
n)
已不再服从标准正态分布，而是服从著名的 t 分布。
William Gosset
不同自由度的t分布图
医学统计学（第7版）
2. 可信区间的计算
S12 S22
n1 n2
2 ,v
医学统计学（第7版）
例题
➢ 例6-4 评价复方缬沙坦胶囊与缬沙坦胶囊对照治疗轻中度高血压的有效性，将102名患
者随机分为两组，其中试验组和对照组分别为54例和48例。经六周治疗后测量收缩压，
试验组平均下降15.77mmHg，标准差为13.17mmHg；对照组平均下降9.53mmHg，标准
样本率的标准差称为率的标准误（standard error of rate），可用来描述样
本率抽样误差的大小。率的标准误越小，则率的抽样误差越小，率的标
准误越大，则率的抽样误差越大。公式为：
p
(1 )
n
2. 率的标准误的估计
在一般情况下，总体率 π 往往是未知的，此时可用样本率 P 来估计总体
标准差与标准误的比较
标 准 差
标 准 误
参数估计和假设检验
参数估计和假设检验1.参数估计参数估计是指通过样本数据来推断总体参数的过程。
总体参数是指总体的其中一种性质，比如总体均值、总体方差等。
样本数据是从总体中随机抽取的一部分数据，用来代表总体。
参数估计的目标是使用样本数据来估计总体参数的值。
常见的参数估计方法有点估计和区间估计。
（1）点估计点估计是通过一个统计量来估计总体参数的值。
常见的点估计方法有样本均值、样本方差等。
点估计的特点是简单、直观，但是估计值通常是不准确的。
这是因为样本的随机性导致样本统计量有一定的误差。
因此，点估计通常会伴随着误差界限，即估计值的置信区间。
（2）区间估计区间估计是通过一个统计量构建总体参数的估计区间。
常见的区间估计方法有置信区间和可信区间。
置信区间是指当重复抽样时，包含真实总体参数的概率。
置信区间的计算方法是在样本统计量的基础上，加减一个合适的误差界限，得到一个估计区间。
可信区间是指在一次抽样中，包含真实总体参数的概率。
可信区间的计算方法同样是在样本统计量的基础上，加减一个合适的误差界限，得到一个估计区间。
参数估计的应用非常广泛，可以用于各个领域的数据分析和决策。
例如，经济学家可以通过样本数据估计失业率，政治学家可以通过样本数据估计选举结果，医学研究者可以通过样本数据估计药物的疗效等。
2.假设检验假设检验是指通过样本数据来判断总体参数的其中一种假设是否成立。
在假设检验中，我们先提出一个原假设（H0），然后使用样本数据来检验该假设的合理性。
在假设检验中，我们需要确定一个统计量，该统计量在原假设成立时，其分布是已知的。
然后，我们计算该统计量在样本数据下的取值，并通过比较该取值与已知分布的临界值，来判断原假设是否成立。
假设检验包含两种错误，即第一类错误和第二类错误。
第一类错误是指在原假设成立的情况下，拒绝原假设的错误概率。
第二类错误是指在原假设不成立的情况下，接受原假设的错误概率。
常见的假设检验方法有单样本假设检验、双样本假设检验、方差分析等。
12置信区间与假设检验
)
估计 假设σ1=σ2
XYa2Sw
1 1, n1 n2
σ1、σ2为总体 标准差
XYa2Sw
1 1
n1
n2
n1、n2为样本容量 t为查t方分布表 所得
2020/1/23
区间估 计类别
条件
置信区间计算公式
其中
Sw
n1 S1 n2S22 n1 n2 2
备注
nS 2
X
2 1
a 2
其中:
S 样本标准差 n 样本容量 X2 X2分布表中查得出 X2的 值 d a风险
2020/1/23
代入数据得
置信区间下限值 100.011260.00008
19
置信区间上限值
100.011260.00005 2.7
式中,2.7和19分别为查X
、X 2
0.975
2 0.025
和
df =10-1=9对应的X 2 分布表所得的数值.
由此得,本例总体方差的置信区间为 (0.00008,0.00005)
2020/1/23
双样本区间估计应用例 在解决问题时,常会遇到需要对多个样本进行 比较的情况,如比较两个不同供应商同一种来料 的品德,这时会用到双样本区间估计方法,下面我 们讨论连续数据双样本区间估计例.
10.87 10.88 10.87
10.89
10.89 10.86 10.86 10.88
计算样本数据的标准差为:
S0.0116
2020/1/23
根据本章第一节三之“正态总体方差 2 的区间统计“公 式,本例为未知总体均值μ,所以计算公式为:
置信区间下限值
nS 2 X 2a
概率论与数理统计实验实验3参数估计假设检验
概率论与数理统计实验实验3 参数估计假设检验实验目的实验内容直观了解统计描述的基本内容。
2、假设检验1、参数估计3、实例4、作业一、参数估计参数估计问题的一般提法X1, X2,…, Xn要依据该样本对参数作出估计，或估计的某个已知函数.现从该总体抽样，得样本设有一个统计总体，总体的分布函数向量). 为F(x, )，其中为未知参数( 可以是参数估计点估计区间估计点估计——估计未知参数的值区间估计——根据样本构造出适当的区间，使他以一定的概率包含未知参数或未知参数的已知函数的真?（一）、点估计的求法1、矩估计法基本思想是用样本矩估计总体矩.令设总体分布含有个m未知参数??1 ，…，??m解此方程组得其根为分别估计参数??i ，i=1,...,m，并称其为??i 的矩估计。
2、最大似然估计法（二）、区间估计的求法反复抽取容量为n的样本,都可得到一个区间,这个区间可能包含未知参数的真值,也可能不包含未知参数的真值,包含真值的区间占置信区间的意义1、数学期望的置信区间设样本来自正态母体X(1) 方差?? 2已知, ?? 的置信区间(2) 方差?? 2 未知, ?? 的置信区间2、方差的区间估计未知时, 方差?? 2 的置信区间为（三）参数估计的命令1、正态总体的参数估计设总体服从正态分布，则其点估计和区间估计可同时由以下命令获得：[muhat,sigmahat,muci,sigmaci] = normfit(X,alpha)此命令以alpha 为显著性水平，在数据X下，对参数进行估计。
（alpha缺省时设定为0.05），返回值muhat是X的均值的点估计值，sigmahat是标准差的点估计值, muci是均值的区间估计,sigmaci是标准差的区间估计.例1、给出两列参数?? =10, ??=2正态分布随机数，并以此为样本值，给出?? 和?? 的点估计和区间估计命令:r=normrnd(10,2,100,2);[mu,sigm,muci,sigmci]=normfit(r);[mu1,sigm1,muci1,si gmci1]=normfit(r,0.01);mu=9.8437 9.9803sigm=1.91381.9955muci=9.4639 9.584310.2234 10.3762sigmci=1.68031.75202.2232 2.3181mu1=9.8437 9.9803sigm1=1.91381.9955muci1=9.3410 9.456210.3463 10.5043sigmci1=1.6152 1.68412.3349 2.4346例2、产生正态分布随机数作为样本值，计算区间估计的覆盖率。
参数估计和假设检验
参数估计和假设检验参数估计和假设检验是统计学中常用的两种方法，用于根据样本数据对总体的特征进行推断和判断。
参数估计是通过样本数据估计总体参数值的方法，而假设检验则是基于样本数据对总体参数假设进行判断的方法。
下面将详细介绍这两种方法以及它们的应用。
1.参数估计参数是指总体特征的度量，比如总体均值、总体方差等。
在实际应用中，我们往往无法得到总体数据，只能通过抽样得到样本数据。
参数估计的目标是利用样本数据去估计总体参数的值。
最常用的参数估计方法是点估计和区间估计：-点估计是使用样本统计量来估计总体参数的值，常用的样本统计量有样本均值、样本方差等。
-区间估计是利用样本数据构建一个置信区间，用来估计总体参数的取值范围。
置信区间的计算方法通常是基于样本统计量的分布进行计算。
在进行参数估计时，需要注意以下几个要点：-选择适当的样本容量和抽样方法，确保样本具有代表性，并满足参数估计的要求。
-选择适当的样本统计量进行参数估计，并对其进行合理的解释与限制。
-利用抽样分布特性和统计理论，计算参数估计的标准误差和置信区间，对参数估计结果进行解释和判断。
2.假设检验假设检验是基于样本数据对总体参数假设进行判断的方法。
在实际问题中，我们常常需要根据样本数据来判断一些总体参数是否达到一些要求或存在其中一种关系。
假设检验的基本步骤：-建立原假设（H0）和备择假设（H1）。
原假设通常是对总体参数取值的一种假设，备择假设则是原假设的对立假设。
-选择适当的统计量用来检验假设，并计算样本统计量的检验统计量。
-根据样本数据计算得出的检验统计量，利用抽样分布特性和统计理论计算P值。
-根据P值与事先设置的显著性水平进行比较，如果P值小于显著性水平，则拒绝原假设；反之，接受原假设。
在进行假设检验时，需要注意以下几个要点：-显著性水平的选择：显著性水平（α）是进行假设检验过程中设置的一个临界值，它反映了能够容忍的错误发生的概率。
常用的显著性水平有0.05和0.01-选择适当的统计量与检验方法：根据问题的性质和数据类型选择适当的统计量和检验方法。
第4章参数估计和假设检验
第4章参数估计和假设检验第四章参数估计与假设检验掌握参数估计和假设检验的基本思想是正确理解和应⽤其他统计推断⽅法的基础，后⾯将要学习的⽅差分析、⾮参数检验、回归分析、时间序列等统计推断⽅法都是在此基础上展开的。
需要特别指出的是，所有的统计推断都要以随机样本为基础。
如果样本是⾮随机的，统计推断⽅法就不适⽤了。
由于相关知识在先修课程中已经学习过，本章主要在回顾相关知识的基础上，补充讲解必要样本容量的计算、p值、参数估计和假设检验⽅法的软件操作和结果分析等内容。
本章的主要内容包括：（1）参数估计的基本思想和软件实现。
（2）简单随机抽样情况下样本容量的计算。
（3）假设检验的基本原理。
（4）假设检验中的p值。
（5）⼏种常⽤假设检验的软件实现。
第⼀节参数估计⼀、参数估计的基本概念参数估计是指利⽤样本信息对总体数字特征作出的估计。
例如，我们可以通过估计⼀部分产品的合格率对整批产品的合格率作出估计，通过调查⼀个样本的⼈⼝数来对全国的⼈⼝数作出估计，等等。
参数估计可以分为点估计和区间估计。
点估计是指根据样本数据给出的总体未知参数的⼀个估计值。
对总体参数进⾏估计的⽅法可以有多种，例如矩估计法、极⼤似然估计法等，得到的估计量（样本统计量）并不是唯⼀的。
例如我们可以使⽤样本均值对总体均值作出估计，也可以使⽤样本中位数对总体均值进⾏估计。
因此，在参数估计中我们需要对估计量的好坏作出评价，这就涉及到估计量的评价准则问题。
常⽤的估计量评价准则包括⽆偏性、有效性、⼀致性等。
⽆偏性是指估计量的数学期望与总体参数的真实值相等；有效性的含义是，在两个⽆偏估计量中⽅差较⼩的估计量较为有效，⽅差越⼩越有效；⼀致性是指随着样本容量的增⼤，估计量的取值应该越来越接近总体参数。
样本的随机性决定了估计结果的随机性。
由于每⼀个点估计值都来⾃于⼀个随机样本，所以总体参数真值刚好等于⼀个具体估计值的可能性极⼩。
区间估计的⽅法则以概率论为基础，在点估计的基础上给出了⼀个置信区间，并给出了这⼀区间包含总体真值的概率，⽐点估计提供了更多的信息。
参数估计与假设检验的基本方法
参数估计与假设检验的基本方法参数估计和假设检验是统计学中常用的方法，用于从样本数据中获取关于总体的信息，并进行推断和判断。
本文将介绍参数估计和假设检验的基本概念、方法以及相关的应用。
一、参数估计的基本概念和方法参数估计是通过样本数据对总体参数进行估计的方法，其目标是利用样本数据推断总体分布的性质。
下面我们将介绍两种常用的参数估计方法。
1. 点估计点估计是根据样本数据估计总体参数的具体数值，通常使用样本均值、样本方差等统计量作为总体参数的估计值。
点估计的优点是计算简单、易于理解，但是由于样本容量有限，点估计的估计误差往往较大。
2. 区间估计区间估计是对总体参数的估计给出一个区间，这个区间包含了真实参数值的可能范围。
常用的区间估计方法有置信区间和预测区间。
其中，置信区间是用于估计总体参数的取值范围，预测区间则是用于对新观测值进行预测的范围估计。
区间估计相比点估计更为准确，它给出了总体参数可能取值的范围，提供了对参数估计的不确定性的认识。
二、假设检验的基本概念和方法假设检验是用于判断总体参数的某个假设是否成立的方法。
在假设检验中，我们首先提出原假设（H0）和备择假设（H1），再通过计算样本数据得到的统计量与假设的理论值进行比较，从而判断原假设是否成立。
1. 原假设与备择假设原假设是我们在开始假设检验时先提出的假设，一般来说，原假设是我们希望能够支持的假设，例如总体均值等于某个值。
备择假设则是原假设的对立，表示我们希望能够反驳的假设，例如总体均值不等于某个值。
2. 显著性水平和拒绝域显著性水平是在假设检验中事先设定的一个值，表示在原假设成立的情况下，出现假阳性（错误拒绝原假设）的概率。
一般常用的显著性水平有0.05和0.01。
拒绝域则是由显著性水平确定的，当样本的统计量落入拒绝域时，我们拒绝原假设。
通过计算样本数据得到的统计量与假设的理论值进行比较，可以得到一个p值，p值表示在原假设成立的情况下，观察到的统计量或更极端情况出现的概率。