生物统计与实验设计-统计学基础-2&区间估计-1

正态分布参数:均值和方差

其中,选择1d是因为好算;通常,95%区分大概率事件和小概率事件,

当总体是正态分布时,可以利用常用抽样分布估计出样本参数:

抽样分布是样本估计量是样本的一个函数,在统计学中称作统计量(这就是说,统计量由样本值计算得到),因此抽样分布也是指统计量的分布。以下是当总体满足正态分布时,样本均值也满足正态分布(抽样分布是样本均值的分布,此处是正态分布)样本均值的均值与方差和总体参数之间的关系:

如上式,若得到一次实验的样本,样本容量就是n,计算所有样本会得到一次实验的样本均值,多次实验会得到多次实验的样本均值,假如有600次实验则会得到600个样本均值,再对这600个样本均值进行计算,计算出样本均值的均值和方差,这个样本均值的均值和方差与总体参数满足上式,根据上式关系即可估算出总体均值和总体方差。

当总体不是正态分布,可利用中心极限定理估计出总体参数:

中心极限定理:n足够大则认为样本呈正态分布,因此其样本均数也呈正态分布。

如今,为了精确计算样本均数,存在三种常见的抽样分布(抽样分布是指统计量的分布,以上例为例,就是样本均值的分布),这里的计算是为了得到右边的参数部分。

最为常用的是t分布,它的特点是对于样本含量没有要求:

化简之后是下式:

t分布的期望和方差如下:

由以上期望和方差可知,t分布只与自由度有关系,与其他无关。

使用t分布作为抽样分布而不使用正态分布的理由是:对于大样本,当n足够大时,t分布和标准正态分布的曲线几乎重合;对于小样本,此时自由度为n-1,并不等同于正态分布(其实若样本容量比较小比如25,样本均值分布很大可能不是正态分布),而t分布在此时因为自由度的控制,使得曲线并非正态分布,比较符合客观事实,所以可以控制系统误差,比标准正态分布更准确。

若不使用t分布,则可以先使用特定数(比如30为界限,此处具体值依据具体问题)判断是大样本或是小样本,再选择分布:

当总体分布为正态分布,则样本指标的分布也 采用正态分布,即用Z分布来进行统计推断。

当总体分布为二项分布(n很大,P有很小), 即当np小于等于5 时,则样本指标的分布采用泊松分布来进行统计推断。反之,当np大于等于5时,可用正态分布近似代替二项分布,则样本指标的分布采用正态分布来进行统计推断。

当小样本时:

以上是通过多个样本得到多个多个统计量再计算均值的方式,后面推出了一个样本便估计参数的方法。

目标是估计出尖值,即估计量:

参数估计可以使用点估计和区间估计,点估计完成了参数估计的从无到有,区间估计完成了参数估计的精细化:

矩估计:提出了用原点矩的方法建立样本矩与总体矩的关系

右边是总体矩左边是样本矩:eg,一阶样本矩等于参数均值。所以矩估计的思路是:将总体(含有未知参数的式子,该式子就是由之前学过的不同分布推导或者通用求积分得到)和样本(含有统计量的式子,一般就是数值一个个加或做完处理后一个个加,非常初级)联系起来的桥梁是矩估计

特点:无论总体是出于何种分布(总体矩的表达形式有所不同),最终估计出来的总体参数(仅均值和方差)的表达式完全一致。

最大似然估计是用一组样本估计出总体参数的另一种方法,它的过程是首先建立似然函数,该似然函数是在通过样本得知总体分布之后,结合样本数n,建立在n个样本同时满足某分布之上,得到它们的联合概率密度,取对数(此步骤是为了简化计算,若有其他可化简的方法皆可,它并不参与最大似然的思想)最后对似然函数求最大值(即若估计一个参数求一阶导,和估计两个参数求一阶导和二阶导)。

通过比较矩估计的和最大似然估计的参数,可以得知这一统计量和矩估计量估计出的量是不一定是一样的(但对于总体是正态分布时,估计出的参数是一样的)

经验:先最大似然,再矩估计

在通过以上方式估计参数之后,通过加入估计参数的评判标准,判断何种参数最为可靠:

无偏性:估计的参数满足抽样分布,主要看与集中趋势的比较:若估计的参数是位于所有估计的参数中的集中区域,则认为给估计的参数是无偏的,否则就是有偏的,有偏常常是系统性错误造成的。

抽样分布|t分布|中心极限定理|点估计|矩估计|最大似然法|的更多相关文章

  1. 估计量|估计值|矩估计|最大似然估计|无偏性|无偏化|有效性|置信区间|枢轴量|似然函数|伯努利大数定理|t分布|单侧置信区间|抽样函数|

    第二章 置信区间估计 估计量和估计值的写法? 估计值希腊字母上边有一个hat 点估计中矩估计的原理? 用样本矩来估计总体矩,用样本矩的连续函数来估计总体矩的连续函数,这种估计法称为矩估计法.Eg:如果 ...

  2. 中心极限定理|z分布|t分布|卡方分布

    生物统计学 抽样分布:n个样本会得到n个统计量,将这n个统计量作为总体,该总体的分布即是抽样分布 根据辛钦大数定律,从一个非正态分布的总体中抽取的含量主n的样本,当n充分大时,样本平均数渐近服从正态分 ...

  3. 中心极限定理(Central Limit Theorem)

    中心极限定理:每次从总体中抽取容量为n的简单随机样本,这样抽取很多次后,如果样本容量很大,样本均值的抽样分布近似服从正态分布(期望为  ,标准差为 ). (注:总体数据需独立同分布) 那么样本容量n应 ...

  4. BZOJ.4909.[SDOI2017]龙与地下城(正态分布 中心极限定理 FFT Simpson积分)

    BZOJ 洛谷 https://www.luogu.org/blog/ShadowassIIXVIIIIV/solution-p3779# 正态分布 正态分布是随机变量\(X\)的一种概率分布形式.它 ...

  5. 中心极限定理(为什么y服从高斯分布)

    因为每一条数据都服从IID原则: 根据中心极限定理,当数据增加的时候,样本均值的分布慢慢变成正态分布 不管分布式什么分布,累加起来都是高斯分布 As sum increases, sum of non ...

  6. 中心极限定理 | central limit theorem | 大数定律 | law of large numbers

    每个大学教材上都会提到这个定理,枯燥地给出了定义和公式,并没有解释来龙去脉,导致大多数人望而生畏,并没有理解它的美. <女士品茶>有感 待续~ 参考:怎样理解和区分中心极限定理与大数定律?

  7. 中心极限定理&&正态分布 随想

    0-前言 笔者本来周末约好朋友出去骑行,不料天公不作美!哎,闲来无事来到了实验室,本来打算看看<天天向上>,而这一期又实在不好看(偶像剧).只好来做做一些小实验,脑海里突然想到“正态分布“ ...

  8. 【概率论】6-3:中心极限定理(The Central Limit Theorem)

    title: [概率论]6-3:中心极限定理(The Central Limit Theorem) categories: - Mathematic - Probability keywords: - ...

  9. ubuntu之路——day8.4 Adam自适应矩估计算法

    基本上讲,Adam就是将day8.2提到的momentum动量梯度下降法和day8.3提到的RMSprop算法相结合的优化算法 首先初始化 SdW = 0 Sdb = 0 VdW = 0 Vdb = ...

随机推荐

  1. 感知机分类(perceptron classification)

    概述 在机器学习中,感知机(perceptron)是二分类的线性分类模型,属于监督学习算法.输入为实例的特征向量,输出为实例的类别(取+1和-1). 感知机对应于输入空间中将实例划分为两类的分离超平面 ...

  2. LeetCode——714. 买卖股票的最佳时机含手续费.

    给定一个整数数组 prices,其中第 i 个元素代表了第 i 天的股票价格 :非负整数 fee 代表了交易股票的手续费用. 你可以无限次地完成交易,但是你每次交易都需要付手续费.如果你已经购买了一个 ...

  3. -bash: fultter: command not found

    flutter build apk bash: flutter: command not found 在studio中的控制台出现上面错误(如图所示) 解决办法: 安装flutter时,安装时可以执行 ...

  4. PAT Basic 1013 数素数 (20) [数学问题-素数]

    题目 令Pi表示第i个素数.现任给两个正整数M <= N <= 10^4,请输出PM到PN的所有素数. 输⼊格式: 输⼊在⼀⾏中给出M和N,其间以空格分隔. 输出格式: 输出从PM到PN的 ...

  5. \_\_slots\_\_

    __slots__ 一.什么是__slots__ __slots__是一个类变量,变量值可以是列表,元祖,或者可迭代对象,也可以是一个字符串(意味着所有实例只有一个数据属性) 使用点来访问属性本质就是 ...

  6. pycharm编辑快捷键

    pycharm编辑快捷键 序号 快捷键 作用 1 CTRL + ALT + SPACE 快速导入任意类 2 CTRL + SHIFT + ENTER 代码补全 3 SHIFT + F1 查看外部文档 ...

  7. R 画地图

    R 绘制中国省市分布地图 library(maps) library(mapdata) library(maptools); getColor=function(mapdata,provname,pr ...

  8. 13)PHP,文件加载(include和require)

    有四种文件加载的语法形式(注意,不是函数): include,  include_once,  require, require_once; 他们的本质是一样的,都是用于加载/引入/包含/载入一个外部 ...

  9. Codeforces Round #517 (Div. 2)(1~n的分配)

    题:https://codeforces.com/contest/1072/problem/C 思路:首先找到最大的x,使得x*(x+1)/2 <= a+b 那么一定存在一种分割使得 a1 &l ...

  10. SaltStack事件驱动 – event reactor

    Event是SaltStack里面的对每个事件的一个记录,它相比job更加底层,Event能记录更加详细的SaltStack事件,比如Minion服务启动后请求Master签发证书或者证书校验的过程, ...