統(tǒng)計(jì)推斷(區(qū)間估計(jì))

一贪嫂、置信區(qū)間的估計(jì)

1.統(tǒng)計(jì)推斷:統(tǒng)計(jì)推斷是基于樣本統(tǒng)計(jì)量對(duì)總體參數(shù)給出統(tǒng)計(jì)學(xué)結(jié)論

2.常用方法:置信區(qū)間估計(jì)和假設(shè)檢驗(yàn)

3.95%置信度的含義:100次抽樣結(jié)果的100個(gè)95%置信區(qū)間中嘁信,平均而言有95個(gè)置信區(qū)間包含了真實(shí)的總體均數(shù)。置信度常用C表示

二沿量、置信區(qū)間

(1)已知σ時(shí)μ的置信區(qū)間

1.樣本量為n的簡(jiǎn)單隨機(jī)抽樣數(shù)據(jù)傍衡,估計(jì)總體均數(shù)μ的置信區(qū)間,當(dāng)總體分布服從正態(tài)分布時(shí),樣本均數(shù)μ服從N(\mu,\frac{\sigma^2}{n})

2.對(duì)于一個(gè)觀(guān)察到的樣本尖昏,μ的置信度為C的置信區(qū)間為\overline{x}\pm z^\prime\times\sigma/\sqrt{n},其中\overline{x}為μ的估計(jì)值祸憋,z^\prime\times\sigma/\sqrt{n}為誤差范圍

3.z^\prime和C的關(guān)系為C越大則z^\prime越大


(2)置信區(qū)間的誤差范圍

1. 高置信度是指結(jié)果準(zhǔn)確性高会宪,誤差范圍小是指結(jié)果精確性高

2. 減小置信區(qū)間誤差范圍z^\prime\times\sigma/\sqrt{n}的方法:

①選擇較低的置信度,從而得到更小的z^\prime

②選擇更大的樣本量n蚯窥;

③減小σ


三掸鹅、置信區(qū)間與樣本量

1.合理的樣本設(shè)計(jì)應(yīng)在進(jìn)行數(shù)據(jù)收集前先確定好統(tǒng)計(jì)推斷方法,確定足夠的樣本量可使得后期置信區(qū)間的誤差范圍較小拦赠。

2.根據(jù)置信區(qū)間誤差范圍計(jì)算公式巍沙,計(jì)算簡(jiǎn)單隨機(jī)抽樣的樣本量:

n=(z^\prime\times\frac{\sigma}{m})^2

3.實(shí)際應(yīng)用中,樣本量大小的選擇荷鼠,除上述公式計(jì)算結(jié)果外句携,還應(yīng)考慮其他因素,如數(shù)據(jù)收集過(guò)程中所花費(fèi)的成本等允乐,確保研究方案實(shí)施的可行性矮嫉。

4.嚴(yán)謹(jǐn)?shù)脑O(shè)計(jì)通常會(huì)事先假定一個(gè)無(wú)應(yīng)答率,并以此校正樣本量的計(jì)算牍疏。


四蠢笋、注意事項(xiàng)

1.公式不適用于所有抽樣方法,不同的抽樣方法需要采用不同估計(jì)公式鳞陨。

2. 公式適用條件

(1)數(shù)據(jù)必須來(lái)自相應(yīng)總體的簡(jiǎn)單隨機(jī)抽樣昨寞;

(2)個(gè)體間相互獨(dú)立;

(3)事先假定總體標(biāo)準(zhǔn)差已知厦滤,實(shí)際研究中很可能無(wú)法得到總體標(biāo)準(zhǔn)差援岩。

3.選用統(tǒng)計(jì)方法前需對(duì)數(shù)據(jù)進(jìn)行探索性分析,檢查異常值以及數(shù)據(jù)是否服從正態(tài)分布掏导;

4. 統(tǒng)計(jì)分析無(wú)法拯救糟糕的數(shù)據(jù)享怀;

5. 實(shí)際操作中的問(wèn)題(如無(wú)應(yīng)答與失訪(fǎng))會(huì)給抽樣研究帶來(lái)額外的誤差,這些誤差可能比隨機(jī)抽樣誤差大得多趟咆,并且研究結(jié)果中這些誤差并不能被誤差范圍所反映添瓷;

6. 統(tǒng)計(jì)推斷的概率是指該方法重復(fù)進(jìn)行的正確頻率,但并不知道某一次結(jié)果的正確性忍啸。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末仰坦,一起剝皮案震驚了整個(gè)濱河市履植,隨后出現(xiàn)的幾起案子计雌,更是在濱河造成了極大的恐慌,老刑警劉巖玫霎,帶你破解...
    沈念sama閱讀 222,104評(píng)論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件凿滤,死亡現(xiàn)場(chǎng)離奇詭異妈橄,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)翁脆,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,816評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門(mén)眷蚓,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人反番,你說(shuō)我怎么就攤上這事沙热。” “怎么了罢缸?”我有些...
    開(kāi)封第一講書(shū)人閱讀 168,697評(píng)論 0 360
  • 文/不壞的土叔 我叫張陵篙贸,是天一觀(guān)的道長(zhǎng)。 經(jīng)常有香客問(wèn)我枫疆,道長(zhǎng)爵川,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 59,836評(píng)論 1 298
  • 正文 為了忘掉前任息楔,我火速辦了婚禮寝贡,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘值依。我一直安慰自己圃泡,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,851評(píng)論 6 397
  • 文/花漫 我一把揭開(kāi)白布鳞滨。 她就那樣靜靜地躺著洞焙,像睡著了一般。 火紅的嫁衣襯著肌膚如雪拯啦。 梳的紋絲不亂的頭發(fā)上澡匪,一...
    開(kāi)封第一講書(shū)人閱讀 52,441評(píng)論 1 310
  • 那天,我揣著相機(jī)與錄音褒链,去河邊找鬼唁情。 笑死,一個(gè)胖子當(dāng)著我的面吹牛甫匹,可吹牛的內(nèi)容都是我干的甸鸟。 我是一名探鬼主播,決...
    沈念sama閱讀 40,992評(píng)論 3 421
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼兵迅,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼抢韭!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起恍箭,我...
    開(kāi)封第一講書(shū)人閱讀 39,899評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤刻恭,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體鳍贾,經(jīng)...
    沈念sama閱讀 46,457評(píng)論 1 318
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡鞍匾,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,529評(píng)論 3 341
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了骑科。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片橡淑。...
    茶點(diǎn)故事閱讀 40,664評(píng)論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖咆爽,靈堂內(nèi)的尸體忽然破棺而出梁棠,到底是詐尸還是另有隱情,我是刑警寧澤斗埂,帶...
    沈念sama閱讀 36,346評(píng)論 5 350
  • 正文 年R本政府宣布掰茶,位于F島的核電站,受9級(jí)特大地震影響蜜笤,放射性物質(zhì)發(fā)生泄漏濒蒋。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,025評(píng)論 3 334
  • 文/蒙蒙 一把兔、第九天 我趴在偏房一處隱蔽的房頂上張望沪伙。 院中可真熱鬧,春花似錦县好、人聲如沸围橡。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 32,511評(píng)論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)翁授。三九已至,卻和暖如春晾咪,著一層夾襖步出監(jiān)牢的瞬間收擦,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,611評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工谍倦, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留塞赂,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 49,081評(píng)論 3 377
  • 正文 我出身青樓昼蛀,卻偏偏與公主長(zhǎng)得像宴猾,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子叼旋,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,675評(píng)論 2 359

推薦閱讀更多精彩內(nèi)容