農(nóng)業(yè)調(diào)查問卷(參考版)
2025-01-03 03:08本頁面
【正文】 此時(shí)總體比例數(shù) P= ，樣本比例數(shù)p= ，總體方差和樣本方差分別為解： 樣本百分比為它是總體百分比的估計(jì)估計(jì)的標(biāo)準(zhǔn)誤差置信水平為 68% 的置信區(qū)間：即約有 的學(xué)生常住學(xué)校習(xí)題 1調(diào)查某地區(qū) 25000戶家庭內(nèi)汽車和電視機(jī)的比例，抽取了 500戶家庭作為樣本，調(diào)查結(jié)果顯示在樣本中有 179戶家庭有汽車，有 498戶人家有電視機(jī)，請估計(jì) 25000戶家庭有電冰箱和電視機(jī)的比例及其 95% 的區(qū)間估計(jì)解：汽車： N=25000 n=500為擁有汽車比例的估計(jì)樣本方差估計(jì)的標(biāo)準(zhǔn)誤差為置信水平為 95％的置信區(qū)間為電視機(jī)： N=25000 n=500為擁有電視機(jī)比例的估計(jì)樣本方差估計(jì)的標(biāo)準(zhǔn)誤差為置信水平為 95％的置信區(qū)間為。試估計(jì)該學(xué)期該大學(xué)常住學(xué)校的學(xué)生的百分比，并求估計(jì)的標(biāo)準(zhǔn)誤差以及 68% 的置信區(qū)間。 1個(gè)月內(nèi)有 20天以上住在學(xué)校者為常住。例 某大學(xué)有 25000名注冊學(xué)生。但是，常住人口總量的置信區(qū)間下界為 —= 萬，比戶籍人口數(shù)小了近 20萬人。在實(shí)際操作中只能是選擇適當(dāng)?shù)闹眯潘剑蛘呒哟髽颖救萘? n 來彌補(bǔ)。由可得 的置信水平為 95% 的置信區(qū)間：由可得 的置信水平為 % 的置信區(qū)間：一般地，由可得 的置信水平為 的置信區(qū)間：可查顯著性水平為 的標(biāo)準(zhǔn)正態(tài)分布表獲得。由可知，上述區(qū)間覆蓋 這一隨機(jī)事件的概率為 68% ，稱此區(qū)間為待估參數(shù) 的置信度為 68% 的置信區(qū)間。由于 和 是隨機(jī)樣本的函數(shù)，所以該區(qū)間是一個(gè)隨機(jī)區(qū)間。 在抽樣調(diào)查理論中，樣本平均數(shù) 的近似正態(tài)性的重要作用之一，就是給出待估參數(shù) 和 的置信區(qū)間。二十世紀(jì)六七十年代，一些概率統(tǒng)計(jì)工作者，如 Hajek等人，對有限總體無放回抽樣的樣本平均數(shù)進(jìn)行了研究，得到如下與獨(dú)立同分布變量相同的結(jié)論： 定理 ：設(shè)有限總體單元為 ，從中隨機(jī)無放回抽取 n 個(gè)單元，記為 ，它們的平均數(shù)記為 ，總體平均數(shù)記作 ，方差記為 ，則當(dāng) 時(shí)，成立： 上述定理告訴我們，當(dāng) N,n,N－ n相當(dāng)大時(shí)，可將 的分布近似地用看作標(biāo)準(zhǔn)正態(tài)分布。主要原因是抽樣調(diào)查中總體是有限總體，大多數(shù)抽樣方式是隨機(jī)無放回，因而樣本的抽取不滿足獨(dú)立同分布，不能直接應(yīng)用上述中心極限定理。這就是在實(shí)際中我們把樣本平均數(shù)歸結(jié)為它具有標(biāo)準(zhǔn)正態(tài)分布的原因。這個(gè)事實(shí)是由中心極限定理嚴(yán)格論證了的。 分布函數(shù)給出了標(biāo)準(zhǔn)正態(tài)隨機(jī)變量小于實(shí)數(shù) t 的概率。正態(tài)曲線的應(yīng)用與置信區(qū)間 如果隨機(jī)變量的概率密度函數(shù)為當(dāng) 時(shí)，該曲線稱為標(biāo)準(zhǔn)正態(tài)曲線，其概率密度為分布函數(shù)為則稱該隨機(jī)變量服從參數(shù)為 的正態(tài)分布。此時(shí)， 的均方誤差為 當(dāng) 是 的漸近無偏估計(jì)，并且上式右端第二項(xiàng)是比 更高階的無窮小，則仍可使用 的方差 和均方誤差 來近似地度量隨機(jī)誤差的大小。 設(shè) 是 的有偏估計(jì)，即 。 前面討論的主要是無偏估計(jì)的情況。比如：若抽得樣本（ 2， 3， 7），則比起真正的標(biāo)準(zhǔn)誤差 ，近似標(biāo)準(zhǔn)誤差還不至于太令人失望?？梢灾赖闹皇浅槌龅哪墙M樣本。 遺憾的是，在實(shí)際操作中，我們對估計(jì)量誤差的測量并不一定作得如此之好。 考慮到盒子中數(shù)值都是整數(shù)，標(biāo)準(zhǔn)誤差 。因此，我們常用所有可能隨機(jī)誤差平方的平均值 來度量隨機(jī)誤差的大小， 稱為均方誤差，記為 在 是 的無偏估計(jì)的前提下， 實(shí)際上是 的方差即稱為 的標(biāo)準(zhǔn)誤差 接著討論前面的例子。如果兩個(gè)估計(jì)量 和 ， 遠(yuǎn)離 而 卻經(jīng)常在 的附近，那么我們比較喜歡使用 來估計(jì) 。 以一元參數(shù)為例，由于隨機(jī)性， 可以在 的左邊，也可以在 的右邊，而在前述平均意義下，這些正負(fù)偏差將互相抵消。隨機(jī)誤差的度量 對無偏估計(jì)，我們已經(jīng)知道估計(jì)量 與參數(shù) 的差 的所有可能取值的平均值等于 0，即 。這些估計(jì)量在實(shí)際操作中能為幾乎所有的人接受，而它們卻不是無偏估計(jì)量。抽樣調(diào)查中的比估計(jì)量就是一種漸近無偏估計(jì)量。雖然 是 的有偏估計(jì)，即 ，但是隨著樣本容量 n 的增大，并且 具有其它良好的性質(zhì)。但參數(shù) 1/p 不存在無偏估計(jì)。 數(shù)理統(tǒng)計(jì)告訴我們，并非所有的待估參數(shù)都存在無偏估計(jì)。 以上分析告訴我們，所謂無偏估計(jì)并非是說估計(jì)量與參數(shù)之間就沒有偏差，而是說估計(jì)量所有可能取值的平均值等于參數(shù)。如果估計(jì) 的統(tǒng)計(jì)量 具有性質(zhì)： ，則稱 為 的無偏估計(jì)。為了排除偶然因素，我們往往從平均意義上來看抽樣誤差。由于依據(jù)局部來估計(jì)總體避免不了會(huì)發(fā)生誤差，這個(gè)誤差還是隨機(jī)的，任何兩次抽樣所產(chǎn)生的誤差都不會(huì)相同，每次所產(chǎn)生的誤差都是這個(gè)隨機(jī)變量的一次實(shí)現(xiàn)。以前述例子為例：所有可能的 的平均值為類似：所有可能的 的平均值為原因二： 隨著樣本容量 n 的增大（與總體容量 N相比仍可能很?。? 與 以及 與 發(fā)生大的誤差的可能性越來越小，以至于可以忽略，而誤差在 0 附近的可能性變得越來越大，或者說某種平均意義下的誤差越來越小。為什么還要用樣本平均數(shù)和方差來估計(jì)總體平均數(shù)和方差呢？原因一： 和 是樣本平均數(shù) 和方差 的波動(dòng)中心換句話說， 雖然估計(jì)量 和 會(huì)發(fā)生隨機(jī)誤差，隨機(jī)誤差
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1