统计学重点笔记
第一章导论
一、比较描述统计和推断统计：
数据分析是通过统计方法研究数据，其所用的方法可分为描述统计和推断统计。
（1）描述性统计：研究一组数据的组织、整理和描述的统计学分支，是社会科学实证研究中最常用的方法，也是统计分析中必不可少的一步。内容包括取得研究所需要的数据、用图表形式对数据进行加工处理和显示，进而通过综合、概括与分析，得出反映所研究现象的一般性特征。
（2）推断统计学：是研究如何利用样本数据对总体的数量特征进行推断的统计学分支。研究者所关心的是总体的某些特征，但许多总体太大，无法对每个个体进行测量，有时我们得到的数据往往需要破坏性试验，这就需要抽取部分个体即样本进行测量，然后根据样本数据对所研究的总体特征进行推断，这就是推断统计所要解决的问题。其内容包括抽样分布理论，参数估计，假设检验，方差分析，回归分析，时间序列分析等等。
（3）两者的关系：描述统计是基础，推断统计是主体
二、比较分类数据、顺序数据和数值型数据：
根据所采用的计量尺度不同，可以将统计数据分为分类数据、顺序数据和数值型数据。
（1）分类数据是只能归于某一类别的非数字型数据。它是对事物进行分类的结果，数据表现为类别，是用文字来表达的，它是由分类尺度计量形成的。
（2）顺序数量是只能归于某一有序类别的非数字型数据。也是对事物进行分类的结果，但这些类别是有顺序的，它是由顺序尺度计量形成的。
（3）数值型数据是按数字尺度测量的观察值。其结果表现为具体的数值，现实中我们所处理的大多数都是数值型数据。
总之，分类数据和顺序数据说明的是事物的本质特征，通常是用文字来表达的，其结果均表现为类别，因而也统称为定型数据或品质数据；数值型数据说明的是现象的数量特征，通常是用数值来表现的，因此可称为定量数据或数量数据。
三、比较总体、样本、参数、统计量和变量：
（1）总体是包含所研究的全部个体的集合。通常是我们所关心的一些个体组成，如由多个企业所构成的集合，多个居民户所构成的集合。总体根据其所包含的单位数目是否可数可以分为有限总体和无限总体。有限总体是指总体的范围能够明确确定，而且元素的数目是有限可数的，需要注意的是，统计意义上的总体，通常不是一群人或一些物品的集合，而是一组观测数据。
（2）样本是从总体中抽取的一部分元素的集合，构成样本的元素的数目称为样本容量。例如我们从一批灯泡中随机抽取100个，这100个灯泡就构成了一个样本。
（3）参数是用来描述总体特征的概括性数字度量。有总体平均数、标准差、总体比例。由于总体参数通常是不知道的，所以参数是一个未知的常数。所以才需要进行抽样，根据样本来估计总体参数
（4）样本量是用来描述样本特征的概括性数字度量。统计量是根据样本数据计算出来的一个量，通常包括：样本平均数、样本标准差、样本比例等，由于样本是我们已经抽出来的，所以统计量总是知道的，抽样的目的就是要根据样本统计量推断总体参数。
（5）变量是说明现象某种特征的概念。变量的特点是从一次观察到下一次观察会呈现出差别或变化，分为分类变量、顺序变量、数值型变量、离散型变量和连续型变量。
第二章 数据收集
一、调查方案的主要内容：
（1）调查目的：是调查所要达到的具体目标，他所回答的是“为什么调查”“要解决什么样的问题”等
（2）调查对象和调查单位：调查对象是根据调查目的的确定的调查研究的总体或调查范围。调查单位是构成调查队选中的每一个单位，它是调查项目和调查内容的承担着或载体。所要解决的是“向谁调查”由谁来提供所需数据
（3）调查项目和调查表：调查项目要解决的问题是“调查什么”，也就是调查的具体内容，大多数统计调查中，调查项目通常以表格的形式来表现，称为调查表
二、数据的误差：统计数据的误差通常是指统计数据与客观现实之间的差距，误差的类型主要有抽样误差和非抽样误差两类。
（1）抽样误差：主要是指在用样本数据进行推断时所产生的随机误差。只存在于概率抽样中。这类误差通常是无法消除的，但事先可以进行控制和计算。
影响抽样误差大小的因素：
（a）抽样单位的数目。在其他条件不变的情况下，抽样单位的数目越多，抽样误差越小；反之，越大。这是因为随着样本数目的增多，样本结构越接近总体，抽样调查也就越接近全面调查，当样本扩大到总体时，则为全面调查，也就不存在抽样误差了。
（b）总体背研究标志的变异程度。在其他条件不变的情况下，总体标志的变异程度越小，抽样误差越小，反之，越大。抽样误差和总体标志的变异程度呈正比变化。这是因为总体的变异程度小，表示总体各单位标志值之间的差异小。则样本指标与总体指标之间的差异也可能小；如果总体各单位标志值相等，则标志变动度为零，样本指标等于总体指标，此时不存在抽样误差
（c）抽样方法的选择。重复抽样和非重复抽样的抽样误差大小不同。采用不重复抽样比采用重复抽样的抽样误差小
（d）抽样组织方式不同。采用不同的组织方式，会有不同的抽样误差，这是因为不同的抽样组织所抽中的样本，对于总体的代表性也不同，通常，常利用不同的抽样误差，作出判断各种抽样组织方式的比较标准。
（2）非抽样误差：主要包括：抽样框误差，回答误差、无回答误差、调查员误差；是调查过程中由于调查者或被调查者的人为因素所造成的误差。调查者所造成的误差主要有：调查方案中有关的规定或解释不明确导致的填报错误、抄录错误、汇总错误等；被调查者所造成的误差主要有：因人为因素干扰形成的有意虚报或瞒报调查数据。非抽样误差理论上是可以消除的。
三、简单随机抽样：
（1）概念：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；
（2）特点：a、简单、直观，在抽样框完整时，可直接从中抽取样本
b、用样本统计量对目标量进行估计比较方便
（3）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
第三章 数据的整理与展示
一、数据排序的目的：
（1）数据排序是按一定顺序将数据排列，以发现一些明显的特征或趋势，找到解决问题的线索
（2）排序还有助于对数据检查纠错，以及为重新归类或分组等提供方便。
（3）在某些场合，排序本身就是分析的目的之一。
二、数据分组：
是根据统计研究的需要，将原始数据按照某种标准化分成不同的组别，分组后的数据成为分组数据。数据经分组后再计算出各组中数据出现的频数，就形成了一张频数分布表，分组方法有单变量值分组和组距分组两种，单变量分组通常只适合于离散变量，且在变量值较少的情况下使用，在连续变量或变量值较多情况下，通常采用组距分组。
三、组距分组的步骤和原则：
（1）步骤：
a、确定组数：组数的确定应以能够显示数据的分布特征和规律为目的。在实际分组时，可以按 Sturges 提出的经验公式来确定组数K
b、 确定组距：组距(Class Width)是一个组的上限与下限之差，可根据全部数据的最大值和最小值及所分的组数来确定，即
组距＝( 最大值 - 最小值)÷ 组数
c、统计出各组的频数并整理成频数分布表
（2）原则：
采用组距分组时，需遵循“不重不漏”的原则，“不重”是指一项数据只能分在其中的某一组，不能在其他组中重复出现；“不漏”是指组别能够穷尽，即在所分的全部组别中每项数据都能分在其中的某一组，不能遗漏。为解决不重的问题，统计分组时习惯上规定“上组限不在内”，即当相邻两组的上下限重叠时，恰好等于某一组上限的变量值不算在本组内，而计算在下一组内。当然，对于离散变量，我们可以采用相邻两组组限间断的办法解决“不重”的问题。也可以对一个组的上限值采用小数点的形式，小数点的位数根据所要求的精度具体确定。缺点：组距分组掩盖了各组内的数据分布状况
四、直方图和条形图的区别：
首先，条形图是用条形的长度（横置时）表示各类别频数的多少，其宽度则是固定的；直方图是用面积表示各组频数的多少，频数的高度表示每一组的频数或频率，宽度则表示各组的组距，因此高度与宽度均有意义。
其次，由于分组数据具有连续性，直方图的各矩形通常是连续排列，而条形图则是分开排列。
最后，条形图主要用于展示各类数据，而直方图则主要用于展示数据型数据。
五、绘制线图应注意的问题：
（１）时间一般绘在横轴，观测数据绘在纵轴
（２）图形的长宽比例要适当，一般应绘成横轴略大于纵轴的长方形，其长宽比例大致是１０:７.
（３）一般情况下，纵轴数据下端应从０开始，以便于比较，数据与０之间的间距过大，可以采取折断的符号将纵轴折断
六、设计统计表注意的问题：
首先，要合理安排统计表的结构，例如表号、行标题、列标题、数字资料的位置应安排合理。
其次，表头一般应包括表号、总标题和表中数据的单位等内容，总标题应简明确切地概括出统计表的内容。
再次，表中的上下两条线一般用粗线，中间的其他线用细线，表的左右两边不封口，列标题之间可以用竖线分开，而行标题之间通常不必用横线隔开。
最后，在使用统计表时，必要时可在表下方加上注释，特别注意标明数据来源。
七、数据的审核：
（1）原始数据：
a、完整性审核：检查应调查的单位或个体是否有遗漏；所有的调查项目或指标是否填写齐全
b、准确性审核：检查数据是否真实反映客观实际情况，内容是否符合实际；检查数据是否有错误，计算是否正确等
（2）二手数据：
a、适用性审核：弄清楚数据的来源、数据的口径以及有关的背景材料；确定数据是否符合自己分析研究的需要
b、时效性审核：尽可能使用最新的数据
八、数据的整理与显示(基本问题)
（1）要弄清所面对的数据类型，因为不同类型的数据，所采取的处理方式和方法是不同的
（2）对分类数据和顺序数据主要是做分类整理
（3）对数值型数据则主要是做分组整理
（4）适合于低层次数据的整理和显示方法也适合于高层次的数据；但适合于高层次数据的整理和显示方法并不适合于低层次的数据
第四章 数据的概括性度量
一、集中趋势和离散趋势的度量：
（1）集中趋势是指一组数据向某一中心值靠拢的倾向，它反映了一组数据中心点的位置所在。描述集中趋势所采用的测度值分为：众数、中位数和分位数、平均数。
（2）离散趋势是数据分布的另一个重要特征，它所反映的各变量值远离其中心值得程度，因此也称为离中趋势，数据的离散程度越大，集中趋势的测度值对该组数据的代表性越差，反之，代表性越好。描述数据离散程度所采用的测度值，根据所依据的数据类型的不同主要有异种比率、四分位差、方差和标准差。此外还有极差、平均差以及测度相对离散程度的离散系数。
二、众数、中位数和平均数：
（1）三者的关系：从分布的角度看，众数始终是一组数据分布的最高峰值，中位数的处于一组数据中间位置上的值，而平均数则是全部数据的算数平均。因此，对于具有单峰分布的大多数数据而言，众数、中位数和平均数之间具有以下关系：
（a）如果数据的分布是对称的，众数、中位数、平均数必定相等
（b）如果数据是左偏分布，说明数据存在极小值，必然拉动平均数向极小值一方靠近，而众数和中位数由于是位置代表值，不受极值的影响，因此三者的关系为众数>中位数>平均数
（c）如果数据是右偏分布，说明数据存在极大值，必然拉动平均数向极大值的一方靠近，则众数<中位数<平均数。
（2）特点及应用场合
（a）众数是一组数据的峰值，是一种位置代表词，不受极端值的影响，具有不唯一性，对于一组数据可能有一个众数，也可能有两个或多个众数，也可能没有众数。虽然对于顺序数据以及数值型数据也可以计算众数，但众数主要适合于作为分类数据的集中趋势测度值。
（b）中位数是一组数据中间位置上的代表值，主要适合于作为顺序数据的集中趋势测度值，虽然对于顺序数据可以使用众数，但以中位数为宜。
（c）平均数是就数值型数据计算的，而且利用了全部数据信息，它是实际中应用最广泛的集中趋势测度值。平均数主要适合于作为数值型数据的集中趋势测度值。当数据呈对称分布或接近对称分布时，三个代表值相等或接近相等，这是我们应该选择平均数作为集中趋势的代表值。但平均数的主要缺点是易受数据极端值得影响，对于偏态分布的数据，平均数的代表性较差。因此，当数据为偏态分布，特别是当偏斜的程度较大时，我们可以考虑选择众数或中位数等位置代表词。
三、异种比率：
是非众数组的频数占总频数的比率。主要用于衡量众数对一组数据的代表程度。异众比率越大，说明非众数组的频数占总频数的比重越大，众数的代表性越差。反之，越小，众数的代表性越好。异种比率重要适合测度分类数据的离散程度。当然，对于顺序数据以及数值型数据也可以计算异种比率。
四、四分位差：
是上四分位数与下四分位数之差。反映了中间50%数据的离散程度，其数值越小，说明中间数据越集中，数值越大，说明中间数据越分散。四分位差不受极值的影响。主要用于测度顺序数据的离散程度，当然，对于数值型数据也可以计算四分位差，但不适合于分类数据。
五、方差和标准差:
极差是一组数据的最大值与最小值之差，也称为全距。它容易受极端值的影响，由于极差只是利用了一组数据两端的信息，不能反映出中间数据的分散状况，因而不能准确描述出数据的分散程度。
平均差是各变量值与其平均数离差的绝对值的平均数，平均差以平均数为中心，反映了每个数据与平均数的平均差异程度，它能全面准确的反映一组数据的离散状况。平均差越大说明数据的离散程度就越大，反之，越小。为了避免离差之和等于0而无法计算平均差这一问题，平均差在计算时对离差取了绝对值，以离差的绝对值来表示总离差。
方差（或标准差）是实际中应用最广泛的离散程度测度值，因此它能准确的反映出数据的离散程度。方差是各变量值与其平均数离差平方的平均数。
标准差是方差的平方根，与方差不同的是，标准差是具有量纲的，它与变量值的计量单位相同，其实际意义要比方差清楚，因此，在对实际问题进行分析时，我们更多的使用标准差。
六、标准分数：
标准分数是指变量值与其平均数的离差除以标准差后的差。可以测度每个数据在该组数据中的相对位置，并可以用它来判断一组数据是否有离群数据，也给出了一组数据中各数值的相对位置，例如，如果某个数值的标准分数为-1.5，我们就知道该数值低于平均数1.5倍的标准差。在对多个具有不同量纲的变量进行处理时，常常需要对各变量数值进行标准化处理。标准分数具有平均数为0、标准差为1的特性。实际上，标准分数只是将原始数据进行了线性变换，它并没有改变一个数据在该组数据中的位置，也没有改变改组数据分布的形状，而只是使该组数据的平均数为0、标准差为1。
七、经验法则：
经验法则表明：当一组数据对称分布时
（1）约有68%的数据在平均数加减1个标准差的范围之内
（2）约有95%的数据在平均数加减2个标准差的范围之内
（3）约有99%的数据在平均数加减3个标准差的范围之内
八、切比雪夫不等式：
如果一组数据不是对称分布，经验法则就不再适用，这时就要使用切比雪夫不等式，它对任何分布形状的数据都适用，对于任意分布形态的数据，根据切比雪夫不等式，至少有（1-1/）的数据落在k个标准差之内。其中k是大于1的任意值，但不一定是整数。对于k=2、3、4，该不等式的含义是：
（1）至少有75%的数据在平均数加减2个标准差的范围之内
（2）至少有89%的数据在平均数加减3个标准差的范围之内
（3）至少有94%的数据在平均数加减4个标准差的范围之内
九、相对离散程度：离散系数的作用：
极差、平均差、方差和标准差等都是反映数据分散程度的绝对值，其数值的大小一方面取决于原变量值本身水平高低的影响，也就是与变量的平均数大小有关，变量值绝对水平高的，离散程度的测度值自然也就大。绝对水平小的离散程度的测度值自然也就小；另一方面，它们与原变量值的计量单位相同，采用不同计量单位计量的变量值，其离散程度的测度值也就不同。因此对于平均水平不同或者计量单位不同的不同组别的变量值，是不能用上述离散程度的测度值直接比较其离散程度的。为消除变量值水平高低和计量单位不同对离散程度测度值的影响，需要计算离散系数 。离散系数是指一组数据的标准差与其相应的平均数之比。离散系数是测度数据离散程度的相对统计量，通常是就标准差来计算的，因此也称为标准差系数，离散系数的作用主要是用于比较对不同样本数据的离散程度。离散系数大的说明数据的离散程度大，离散系数小的说明数据的离散程度小。
十、测度数据分布形状的统计量：
（1）偏态：如果一组数据的分布的对称的，则SK=0，如果SK明显不等于零，表明分布是非对称的。当SK为正值时，表示正偏离差值较大，可以判断为正偏或右偏；反之，为负偏或左偏，SK的值越大，表示倾斜的程度就越大
（2）峰态：如果一组数据服从标准正态分布，则峰态系数的值等于0，若峰态系数的值明显不同于0，表明分布比正太分布更平或更尖，通常称为平峰分布或尖峰分布。当K>0时为尖峰分布，当K<0时为扁平分布
第五章 概率与概率分布
一、常见的离散型概率分布：
（1）两点分布
（2）二项分布：n重伯努利试验满足下列条件：a、一次实验只有两种结果，即成功和失败，这里的成功是指感兴趣的某种特征。b、一次实验成功的概率是p，失败的概率是q=1-p，而且概率p对每次实验都是相同的。c、实验是相互独立的。d、实验可以重复进行n次。e、在n次试验中，成功的次数对应一个离散型随机变量，用X表示
（3）泊松分布：重要特征：a、所考查的事件在任意两个长度相等的区间里发生一次的机会均等。b、所考察的事件在任何一个区间里发生与否和在其他区间里发生与否没有相互影响，即是独立的。泊松分布的另一个重要用途是作为二项概率分布的近似。对一个n重伯努利实验，p代表每次伯努利实验成功的概率，当实验次数n相对很大，成功概率p相对很小，而乘积np大小适中时，泊松分布的一般表达式与二项分布的一般表达式近似相等，
（4）超几何分布：二项分布只适合于重复抽样，但在实际抽样中，很少采用重复抽样。不过，当总体的元素数目N很大而样本容量n相对于N很小时，二项分布仍然适用。但如果是采用不重复抽样，各次实验并不独立，成功的概率也互不相等，而且总体元素的数目很小或样本容量n相对于N来说较大时，二项分布就不再适用，这时，样本中成功的次数则服从超几何分布。
超几何分布与二项分布的关系：由于呈几何分布所描述的实验与n重伯努利实验相似，所以超几何分布与二项分部之间也存在着十分特殊而有意义的联系，从直观上来看吗，如果总体中的元素个数N很大，使得M的有限变化相对于N而言比较小，那么超几何分布趋向于二项分布。这是因为在N趋于无穷大时，每次抽样的样品即使不放回，对其后代表成功的事件发生的概率也不会有太大影响，可以近似认为不变，二者恰好满足了二项分布的前提。
二、 正态分布的曲线的性质：
（1）正态曲线的图形是关于x= μ的对称钟形曲线，且峰值在x= μ处、
（2）正态分布的两个参数均值μ和标准差σ一旦确定，正态分布的具体形式就唯一确定，不同参数取值的正太分布构成一个完整的正态分布族。
（3）正态分布的均值μ可以是实数轴的任意数值，他决定正态曲线的具体位置，标准差σ相同二均值不同的正太曲线在坐标轴上体现为水平位移
（4）正态分布的标准差σ为大于0的实数，他决定正态曲线的“陡峭“或”扁平“程度。σ越大，正太曲线越扁平；σ越小，正太曲线越陡峭。
（5）当X的取值向横轴左右两个方向无限延伸时，正态曲线的左右两个尾端也无限渐进横轴，但理论上永远不会与之相交。
（6）与其他连续型随机变量相同，正太随机变量在特定区间上的取值概率由正太曲线下的面积给出，而且其曲线下的面积等于1
◆ 经验法则：
● 正态随机变量落入其均值左右各1个标准差内的概率是68.27%
● 正态随机变量落入其均值左右各2个标准差内的概率是95.45%
● 正态随机变量落入其均值左右各3个标准差内的概率是99.73%
三、数据正态性的评估方法：
（1）、对数据画出频数分布的直方图或茎叶图。若数据近似服从正态分布，则图形的形状与上面给出的正太曲线应该相似
（2）、求出样本数据的四分位差/s≈1.3.
（3）、对数据作正太概率图。若数据近似服从正态分布，则数据点将落在一条近似直线上
四、什么条件下用正态分布分布近似计算二项分布的效果较好
当样本容量n越来越大时，二项分布越来越近似服从正太分布，这时，二项随机变量的直方图的形状接近正太分布的图形形状。
即使对于小样本，当p=0.5时，二项分布的正太近似仍然相当好，此时随机变量X的分布是相对是相对于其平均值μ=np对称的。当平p趋于0或1时，二项分布将呈现出偏态，但当n变大时，这种偏斜就会消失。一般来说，只有当n大到使np和n（1-p）大于或等于5时，近似的效果就相当好。
五、均匀分布的直观概率意义：
将区间〔a，b〕划分为任意多个小区间。随机变量X在任何小区间上取值的概率大小与该小区间的长度成正比，而与该小区间的具体位置无关。
第六章 抽样与抽样分布
一、比较分层抽样、系统抽样和整群抽样
（1）分层抽样是指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：a、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b、组织实施调查方便c、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。d、分层抽样的样本分布在各个层内，从而使样本在总体中的分布比较均匀
（2）系统抽样是指将总体中的所有单位(抽样单位)按一定顺序排列，在规定的范围内随机地抽取一个单位作为初始单位，然后按事先规定好的规则确定其它样本单位。 优点：操作简便，系统抽样的样本在总体中的分布一般也比较均匀，由此抽样误差通常要小于简单随机抽样，提高估计的精度 缺点：对估计量方差的估计比较困难
（3）整群抽样是指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 优点是：不需要有总体的具体名单而只要有群的名单就可以进行抽样，而群的名单比较容易得到；此外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
二、比较三种不同性质的分布
（1）总体分布指总体中各元素的观察值所形成的相对频数的分布。分布通常是未知的，可以假定它服从某种分布
（2）样本分布是指从总体中抽取一个容量为n的样本，由这n个观察值形成的相对频数分布。也称经验分布 。当样本容量n逐渐增大时，样本分布逐渐接近总体的分布
（3）从一般意义上说，抽样分布是指样本统计量的概率分布，样本统计量的概率分布。随机变量是 样本统计量 ，如样本均值, 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
三、中心极限定理
随着样本容量n的增大（n>=30）,不论原来的总体是否服从正态分布，样本值的抽样分布都趋于正态分布，其分布的数学期望为总体均值μ，方差为总体方差的1/n，这就是中心极限定理，表述为：设从均值为μ，方差为σ 2的一个任意总体中抽取容量为n的样本，当n充分大时，样本均值的抽样分布近似服从均值为μ、方差为σ2/n的正态分布
四、重复抽样和不重复抽样相比，抽样均值分布的标准差有何不同
样本均值的方差与抽样方法有关，在重复抽样条件下，样本均值的方差为总体方差的1/n，即
在不重复抽样条件下，样本均值的方差则需要用修正系数去修正重复抽样时样本均值的方差，即
不重复抽样的样本均值的方差小于重复抽样时的样本均值的方差
对于无限总体进行不重复抽样时，可以按照重复抽样来处理，对于有限总体，当
N很大，而抽样比n/N很小时，其修正系数趋于1，这时样本均值的方差也可以按照重复抽样的样本均值的方差公式来计算
五、χ2分布的性质和特点
（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(χ2)=n，方差为：D(χ2)=2n(n为自由度)
（4）可加性：若U和V为两个独立的χ2分布随机变量，U~χ2(n1)， V~χ2(n2),则U+V这一随机变量服从自由度为n1+n2的χ2分布
第七章 参数估计
一、评价估计量的标准
实际上，用于估计的的估计量有很多，如我们可以用样本均值作为总体均值的估计量，也可以用样本中位数作为总体均值的估计量，什么样的估计量才算是一个好的估计量呢？这需要一定的评价标准：
1、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。设总体参数为，被选择的估计量为，如果E()=，称为的无偏估计量。
2、有效性：对同一总体参数的两个无偏估计量，方差较小的是更有效的估计量。
3、一致性：随着样本容量的增大，点估计量的值越来越接近被估的总体的参数。换言之，一个大样本给出的估计量要比一个小样本给出的估计量更接近总体的参数
二、怎样理解置信区间
置信区间：由样本统计量所构造的总体参数的估计区间，其中区间的最小值称为置信下限，区间最大值称为置信上限。是一个随机区间，的置信区间意味着，置信区间包含未知参数的概率为，这个区间会随着样本观察值的不同而不同。但100次运用这个区间，约有100（）个区间能包含参数，也就是说大约还有100 a个区间不包含总体参数
判断置信区间优势的标准（好的置信区间的特性）：置信度越高越好；置信区间宽度越小越好。
三、影响区间宽度的因素
1. 总体数据的离散程度，用 s 来测度
2. 样本容量：当置信水平固定时，置信区间的宽度随着样本容量的增大而减小，换言之，较大的样本所提供的有关总体的信息要比小样本多。
3. 置信水平 (1 - a)，影响 z 的大小 ：置信水平越大，z越大
四、简述样本容量与置信水平、总体方差、估计误差的关系
（1）样本量与置信水平呈正比，在其他条件不变的情况下，置信水平越大，所需的样本容量也就越大
（2）样本量与总体方差呈正比，总体的差异越大，所需的样本容量就越大
（3）样本量与边际误差的平方成反比，即可以接受的估计误差的平方越大，所需的样本量就越小
五、的含义是什么？
是标准正态分布上侧面积为时的z值。是估计总体均值时的边际误差，也称为估计误差或误差范围
六、对两个总体均值之差的小样本估计中，对两个总体和样本都有哪些假定
（1）两个总体都服从正态分布
（2）两个随机样本独立地分别抽自两个总体
七、解释95%的置信区间
抽取100个样本，根据每个样本构造一个置信区间，这样由100个样本构造的总体参数的100个置信区间中，95%的区间包含了总体参数的真值，而5%没包含
八、对于总体比例的估计，确定样本容量是否“足够大“的一般经验规则是：区间中不包含0或1.或要求np5和n（1-p）5
八、独立样本和匹配样本
如果两个样本是从两个总体中独立抽取的，即一个样本中的元素与另一个样本中的元素相互独立，则称为独立样本。匹配样本是指一个样本中的数据与另一个样本中的数据相对应
九、估计量和估计值
（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m 的一个估计量
参数用θ 表示，估计量用 表示
（2）估计值：估计参数时计算出来的统计量的具体值
⏹ 如果样本均值 ⎺x =80，则80就是m的估计值
第八章 假设检验
一、参数估计和假设检验的区别和联系
（1）主要联系：
a.都是根据样本信息推断总体参数；
b.都以抽样分布为理论依据，建立在概率论基础之上的推断，推断结果都有风险；
c.对同一问题的参数进行推断，使用同一样本，同一统计量，同一分布，二者可相互转换
（2）主要区别：
a.参数估计是以样本信息估计总体参数的可能范围，假设检验是先对总体参数提出一个假设值，然后利用样本信息判断这一假设是否成立;
b.区间估计求得的是求以样本估计值为中心的双侧置信区间，假设检验既有双侧检验，也有单侧检验；
c.区间估计立足于大概率，通常以较大的可信度（1-a）去估计总体参数的置信区间。假设检验立足于小概率。通常是给定很小的显著性水平a去检验总体参数的先验假设是否正确
二、什么是假设检验中的显著性水平？统计显著是什么意思？
（1）显著性水平是当原假设正确时却被拒绝的概率或风险，即假设检验中犯弃真错误的概率，通常用表示，它是人们根据经验的要求确定的，通常取。显著性水平是人们事先指定的犯第概率的最大允许值，确定了显著性水平，就等于控制了第的概率。但犯类错误
的概率却是不确定的
（2）统计显著值在原假设为真的条件下，用于检验的样本统计量的值落在了拒绝域内，作出了拒绝原假设的决定
三、什么是假设检验的两类错误及其数理关系怎样
（1）假设检验中所犯的错误有两种：一类错误是原假设为真却别拒绝了，犯这类错误的概率用表示，也称第。另一类错误是原假设为假却没有拒绝，犯这种错误的概率用类错误
（2）当，要使和同时减小的唯一办法是增加样本容量
四、假设检验的步骤
（1）陈述原假设和备择假设。
(2）从所研究的总体中抽出一个随机样本
(3)确定一个适当的检验统计量，并利用样本数据算出其具体数值
(4)确定一个适当的显著性水平，并计算出其临界值，指定拒绝域
(5)将统计量的值与临界值进行比较，作出决策。统计量的值落在拒绝域，拒绝，否则不拒绝，或者也可以直接利用P值作出决策
五、建立原假设和备择假设的原则（建立假设的几点认识）
（1）原假设和备择假设是一个完备事件组，且相互独立
（2）在建立假设时，通常是先确定备择假设，然后再确定原假设
（3）在假设检验中，等号“=”总是放在原假设上。这是因为我们想涵盖备择假设不出现的所有情况
（4）这样的假设本质上带有一定的主观色彩，在面对某一实际问题，由于不同研究者有不同的研究目的，即使对同一问题也可能提出截然相反的原假设和备择假设，这并不违背假设的最初定义，只要符合研究的最终目的就是合理的
六、单双侧检验的区别
备择假设具有特定的方向性，并含有“<”或“>”的假设检验，称为单侧检验或单尾检验。
备择假设没有特定的方向性，并含有符号“”的假设检验，称为双侧检验或双尾检验
在单侧检验中，由于研究者感兴趣的方向不同，又可分为左侧检验和右侧检验
七、检验统计量的特征和用途
检验统计量是指根据样本观测结果计算得到的，并据以对原假设和备择假设做出决策的某个样本统计量。
检验统计量实际上是总体参数的点估计量，只有将其标准化后，才能用以度量它与原假设的参数值之间的差异程度。而对点估计量标准化的依据则是：a、原假设为真；b、点估计量的抽样分布。实际上，假设检验中所用的检验统计量都是标准化检验统计量，它反映了点估计量与假设的总体参数相比相差多少个标准差。
阅读全文地址
wenku.baidu.com/view/0f9d9b2228f90242a8956bec0975f46527d3a7f2.html
