【统计推断】-01 抽样原理之(三)

文章目录

  • 一、说明
  • 二、抽样分布
  • 三 均值抽样分布
    • 3.1 有限母体无放回抽样
    • 3.2 有限母体有放回抽样
    • 3.3 无限母体
  • 四、比例抽样分布
  • 五、和差抽样分布

一、说明

   上文中叙述母体和抽样的设计;以及抽样分布的概念,本篇将这种关系定量化,专门针对抽样的指标参数和母体参数的对应关系,这是我们以后做检验的基础。

二、抽样分布

   考虑从给定的母体中抽取容量为N的所有可能样本(抽样时无论放回和不放回)。对于每一个样本,我们可以计算出某个统计量(如均值、标准差)的值,不同样本得到的统计量(均值或标准差)不同,用这种方法得到的统计量分布称为抽样分布。
抽样分布有多种,我们这里重点介绍几个典型抽样分布.

  •    均值抽样分布。
  •    比例抽样分布。
  •    和(差)抽样分布。

三 均值抽样分布

   均值抽样是最常见的抽样。我们知道抽样的目的是从若干个局部,推演出全局的过程。推而广之,从个别是不是属于一个全局的概率。这其实有一个先验前提,母体基本情况是确定的。因此,预先知道母体的基本信息有:

  •    有限母体
  •    无限母体
    从抽样方式上,又分为:
  •    无放回抽样
  •    有放回抽样
    下面我们将分别叙述。

3.1 有限母体无放回抽样

   假定一个有限母体,容量为 N p N_p Np.母体均值和方差为: μ , σ \mu,\sigma μ,σ。抽样的容量为N,均值方差记号为 μ x ˉ , σ x ˉ \mu_{\bar{x}},\sigma_{\bar{x}} μxˉ,σxˉ,那么,抽样的均值和方差与母体的均值和方差存在下列关系:
在这里插入图片描述
   以上关系我们给出一个实例说明:
   给出一个母体 { 2 , 3 , 6 , 8 , 11 } \{2,3,6,8,11\} {2,3,6,8,11},从母体中有放回地抽样,抽样的容量是2;

   如何获取母体的均值和方差
μ = 2 + 3 + 6 + 8 + 11 5 = 6 σ 2 = ( 2 − 6 ) 2 + ( 3 − 6 ) 2 + ( 6 − 6 ) 2 + ( 8 − 6 ) 2 + ( 11 − 6 ) 2 5 = 10.8 \mu = \frac{2+3+6+8+11}{5}=6 \\ \sigma^2 = \frac{(2-6)^2+(3-6)^2+(6-6)^2+(8-6)^2+(11-6)^2}{5}=10.8 μ=52+3+6+8+11=6σ2=5(26)2+(36)2+(66)2+(86)2+(116)2=10.8
σ = 3.29 \sigma=3.29 σ=3.29
   如何获取抽样的均值和方差
   从总体中抽取容量为2的样本,而且是无放回的,这说明什么?

  •    当抽出一个数以后,不放回再抽取第二个,说明两个数不能一样。
  •    当抽取出(a,b)和(b,a)属于同一个抽样。
    这样的抽样共有 C 5 2 C^2_5 C52种,分别是:
Column 1Column 2均值
232.5
2.64
285
2116.5
3.64.5
385.5
3117
687
6118.5
8119.5

样本均值为:
μ x ˉ = 2.5 + 4 + 5 + 6.5 + 4.5 + 5.5 + 7 + 7 + 8.5 + 9.5 10 = 6 \mu_{\bar{x}}=\frac{2.5+4+5+6.5+4.5+5.5+7+7+8.5+9.5}{10}=6 μxˉ=102.5+4+5+6.5+4.5+5.5+7+7+8.5+9.5=6
样本方差:
在这里插入图片描述
在这里插入图片描述
   因此,符合我们给出的(1)式。

3.2 有限母体有放回抽样

   有限母体和抽样中,母体均值和抽样的关系。
μ x ˉ = μ σ x ˉ = σ N \mu_{\bar{x}}=\mu \; \; \; \; \; \; \sigma_{\bar{x}}=\frac{\sigma}{\sqrt{N}} μxˉ=μσxˉ=N σ (2)

在这里插入图片描述

3.3 无限母体

   对于无限的母体,它和有限母体的有放回抽样是一样的,
无限的母体的抽样中,母体均值和抽样的关系。
μ x ˉ = μ σ x ˉ = σ N \mu_{\bar{x}}=\mu \; \; \; \; \; \; \sigma_{\bar{x}}=\frac{\sigma}{\sqrt{N}} μxˉ=μσxˉ=N σ (3)

   好了,我们以上对均值的抽样做出完整解释。下面请看比例抽样是个什么概念。

四、比例抽样分布

   关键词: sampling distribution of proportions
   有一类事物,总是能归结到某事物发生或不发生的概率。这是一个二分法问题,比如,进入某商店的客人中,购买商品的顾客比例。这种问题可以归结到抛硬币问题,或者二项式分布问题。
   总体设定:将总体看成是0-1分布,均值和方差为:
μ = p ; σ 2 = p ( 1 − p ) \mu=p; \; \; \sigma^2=p(1-p) μ=p;σ2=p(1p)
   那么,抽样的均值和方差分别是:
μ p = p ; σ p = p ( 1 − p ) N \mu_p=p; \; \; \sigma_p=\sqrt{ \frac{p(1-p)}{N}} μp=p;σp=Np(1p) (3)
   这个结论和有限,有放回抽样的结果一样的。

五、和差抽样分布

   和差抽样分布,是针对;对两个母体分别抽样,然后估算两组抽样中指标数(如均值)和、差的统计运算。
   假如对于两个母体 Ω 1 \Omega_1 Ω1 Ω 2 \Omega_2 Ω2
   Ω 1 \Omega_1 Ω1中对统计量 S 1 S_1 S1进行抽样,容量 N 1 N_1 N1。计算出统计量的估计分布是 μ S 1 \mu_{S_1} μS1 σ S 1 \sigma_{S_1} σS1
   Ω 2 \Omega_2 Ω2中对统计量 S 2 S_2 S2进行抽样,容量 N 2 N_2 N2。计算出统计量的估计分布是 μ S 2 \mu_{S_2} μS2 σ S 2 \sigma_{S_2} σS2
   那么, S 1 − S 2 S_1-S_2 S1S2 的分布是:
在这里插入图片描述
   如果S1和S2表示两个样本的均值,那么,两者差的估计是:
在这里插入图片描述
   同样,对于母体 Ω 1 \Omega_1 Ω1 Ω 2 \Omega_2 Ω2是二项式分布 ( p 1 , q 1 ) (p_1,q_1) (p1,q1) ( p 2 , q 2 ) (p_2,q_2) (p2,q2),S1和S2相当于成功比例P1和P2,那么,差的估计是:
在这里插入图片描述
   注意以上S1和S2的抽样是相互独立的。至此,我们将统计量差的估计交待清楚了,对于两者的和,只要将均值估计改成加法,如下:
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/670345.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Day05-JavaWeb开发-请求响应(postman工具/参数/案例)分层解耦(三层架构/IOC-DI引入)

1. 请求响应 1.1 概述 1.2 请求-postman工具 1.3 请求-简单参数&实体参数 1.3.1 简单参数 1.3.2 实体参数 1.4 请求-数组集合参数 1.5 请求-日期参数&json参数 1.6 请求-路径参数 1.7 响应-ResponseBody 1.8 响应-案例 2. 分层解耦 2.1 三层架构 2.2 分层解耦(IOC-D…

QLora 里的4-bit NormalFloat Quantization中的分位数量化

目录 正态分布的分位数函数详解 1. 正态分布简介 2. 分位数函数定义 3. 正态分布的分位数函数计算 4-bit NormalFloat Quantization 4-bit NormalFloat Quantization详解 1. 4-bit NormalFloat Quantization的定义和应用 2. 4-bit NormalFloat Quantization的工作原理 …

Linux字符设备驱动(一) - 框架

字符设备是Linux三大设备之一(另外两种是块设备,网络设备),字符设备就是字节流形式通讯的I/O设备,绝大部分设备都是字符设备,常见的字符设备包括鼠标、键盘、显示器、串口等等,当我们执行ls -l /dev的时候,就能看到大量…

信号与进程(1):进程创建与进程等待

进程创建 参考博客 fork与vfork的区别 fork()与vfork()函数 fork :子进程拷贝父进程的数据段、代码段等资源 vfork :子进程与父进程共享数据段、代码段等资源fork :父子进程的执行次序不确定 vfork :保证子进程先运行&#xff0…

css实现上下左右对勾选中状态角标

🍥左上角 🍥右上角 🍥左下角 🍥右下角: 🍥左上角: .blueBackground {position: relative;border: 1px solid #91c7f3;background: #F0F8FF !important;&:after {content: "";position: absolute;top:…

今天发现个有意思的问题:java基础篇章网络编程的报错问题,顺便看一下各个GPT的实力

问题: 一个java socket网络编程的引发的异常,具体代码Client.java、Server.java,如下 Client.java package Test2;import java.io.*; import java.net.Socket;public class Client {public static void main(String[] args) throws IOExce…

✌粤嵌—2024/5/6—盛最多水的容器

代码实现&#xff1a; 方法一&#xff1a;暴力解法 #define min(a, b) ((a) > (b) ? (b) : (a)) #define max(a, b) ((a) > (b) ? (a) : (b))int maxArea(int *height, int heightSize) {int ans 0;for (int i 0; i < heightSize; i) {for (int j i; j < heig…

武汉星起航:跨境电商行业领航者,一站式孵化服务引领全球趋势

在全球化日益深入的今天&#xff0c;跨境电商作为连接各国市场的桥梁&#xff0c;其重要性日益凸显。在这一潮流中&#xff0c;武汉星起航电子商务有限公司以其前瞻性的战略眼光和丰富的运营经验&#xff0c;迅速崛起为跨境电商行业的领军者。公司不仅自营亚马逊跨境电商业务&a…

一、Redis五种常用数据类型

Redis优势&#xff1a; 1、性能高—基于内存实现数据的存储 2、丰富的数据类型 5种常用&#xff0c;3种高级 3、原子—redis的所有单个操作都是原子性&#xff0c;即要么成功&#xff0c;要么失败。其多个操作也支持采用事务的方式实现原子性。 Redis特点&#xff1a; 1、支持…

核心代码分析

核心代码分析 下面的代码主要有两个作用 判断是否为扫描器或者密码爆破工具&#xff0c;进行交互握手&#xff0c;效果是扫描器直接爆3306弱口令。如果是直接连接&#xff0c;去读取设定好的文件&#xff0c;并写入本地保存。 这些函数用于从MySQL数据库中获取指定文件的内容…

3D+仿真分析:高效实现海底石油管道系统设计

Bentley AutoPIPE 助力节省寻找更佳管道路线所需的时间和成本 评估管道完整性以提高石油产量 从墨西哥湾浅水区开采石油通常需要铺设新的海底管道&#xff0c;从而在高压和高温条件下高效、安全地输送原油。 Grupo EspecializadoenObras Marinas (GEOMSA) 是墨西哥湾管道—土体…

iOS ------ JSONModel源码

一&#xff0c;JSONModel的基本使用 1&#xff0c;基本使用方法 - (instancetype)initWithDictionary:(NSDictionary *)dict error:(NSError **)err; - (instancetype)initWithData:(NSData *)data error:(NSError **)error; - (instancetype)initWithString:(NSString *)str…