中的分布一般也比较均匀，由此估计的误差通常要小于简单随机抽样。
整群抽样: ①含义：先将总体划分成若干群，然后以群作为抽样单位从中抽取部分群，再对抽中的各个群中所包含的所有元素进行观察。②特点：不需要有总体元素的具体名单而只要有群的名单就可以进行抽样。整群抽样时群内各元素比较集中，对样本进行调查比较方便，节约费用。在群内各元素存在差异时，整群抽样可以提供较好的结果，理想的情况是每一群都是整个总体的一个缩影。
3.重复抽样：从总体中抽取一个元素后，把这个元素放回到总体中再抽取第二个元素，直至抽取n个元素为止。
不重复抽样：一个元素被抽中后不再放回总体，然后再从所剩下的元素中抽取第二个元素，直到抽取n个元素为止。
4.抽样分布：重复选取容量为n的样本时，由每一个样本算出的统计量数值的相对频数分布或概率分布，称为样本统计量的抽样分布。
5.样本统计量的分布与总体分布的关系？
由于现实中我们不可能将所有的样本都抽出来，因此，统计量的抽样分布实际上是一种理论分布，但它与总体分布存在着密切的关系，以均值x的抽样分布为例，其抽样分布与原有总体的分布有关，如果原有总体是正态分布，那么，无论样本容量的大小，样本均值也服从正态分布。其分布的数学期望为总体均值，方差为总体方差的1/n，即00。如果原有总体的分布不是正态分布，就要看样本容量的大小了，当n为大样本时(n≥30)，根据统计上的中心极限定理可知，当样本容量n增大时，不论原来的总体是否服从正态分布，样本均值的抽样分布都将趋于服从正态分布。其分布的数学期望为总体均值，方差为总体方差的1/n。
?6. Zα/2n的含义：是估计误差。Zα/2的值和样本量n共同确定
了估计误差的大小，一旦确定了置信水平1-α，Zα/2的值就确定了。对于给定的Zα/2的值和总体标准差σ。可以确定任一允许的估计误差所需要的样本量。
7.样本均值抽样分布的两个主要特征值： 与总体参数的关系：
1.理解原假设与备择假设的含义：原假设：通常将研究者想收集证据予以反对的假设称为原假设或零假设，用H0表示；备择假设：通常将研究者想收集证据予以支持的假设称为备择假设或研究假设，用H1表示。
2.统计检验量：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作出决策的某个样本统计量，称为检验统计量。 标准化检验统计量：是将统计检验量标准化，标准化的统计检验量=（点估计量-假设值）/点估计量的抽样标准差。
3.第Ⅰ类错误：当原假设为真时拒绝原假设，所犯的错误称为Ⅰ类错误。犯第Ⅰ类错误的概率通常记为α。
第Ⅱ类错误：当原假设为假时没有拒绝原假设，所犯的错误称为第Ⅱ类错误，又称取伪错误。犯第Ⅱ类错误的概率通常记为β。 它们发生概率之间的关系：在样本量不变的情况下，要减小α就会使β增大，而要增大α就会使β减小，这两类错误此消彼长。 4.显著性水平：假设检验中犯的第Ⅰ类错误的概率，称为显著性水平，记为α。
它对于假设检验决策的意义：显著性水平是人们事先制定的犯第Ⅰ类错误的概率α的最大允许值，在实际应用中，显著性水平往往是人们事先给出的一个值。
5.P值：在原假设为真的条件下，检验统计量的观察值大于或等于其计算值的概率，称为P值，也称为观察到的显著性水平。
利用P值决策的准则：如果P值＜α，拒绝H0；如果P值＞α，不拒绝H0.
6.单侧检验与双侧检验的区别：单侧检验中，P值位于抽样分布的一侧，而双侧检验P值位于分布的两侧，每一侧的P值为1/2. 7.大样本情形下总体均值左侧检验的拒绝域：Z＜﹣Zα；右侧检验的拒绝域：Z＞Z；双侧检验的拒绝域：|Z|＞Zα/2。 8.小样本情形下总体均值检验应该构造的检验统计量t 应用前提：服从正态分布
9.小样本情形下总体均值左侧检验拒绝域：t＜﹣tα(n-1)；右侧检验拒绝域： t＞tα（n-1）；双侧检验的拒绝域：|t|＞tα/2（n-1） 10.假设检验的一般步骤：①依照题意建立原假设H0与备择假设H1②判断样本大小并计算检验统计量③根据显著水平进行判断原假设是否成立。
1、相关关系：变量之间存在的不确定的数量关系。相关关系的特点：一个变量的取值不能由另一个变量唯一确定，当变量x取某个值时，变量y的取值可能有几个
2、相关系数的取值和意义：取值范围：—1≤r≤1。若0 4、回归模型：描述因变量y如何依赖于自变量x和误差项ε的方程。估计的回归方程：利用最小二乘法，根据样本数据求出的回归方程的估计。 回归方程:对变量之间统计关系进行定量描述的以后总数学表达式。指具有相关的随机变量和固定定量之间关系的方程。 5、参数最小二乘估计的基本原理：使因变量的观察值yi与估计值?yi之间的离差平方和达到最小来求得β0和β1的方法。 6、总平方和：对一个具体的观测值来说，变差的大小可以用实际观测值y与其均值?y之差（y—?y）来表示。而n次观测值的总变差可由这些离差的平方和来表示，称为总平方和。（143 反映了y的总变差中由于x与y之间的线性关系引起的y的变化部分，它是可以由回归直线来解释的yi变差部分，称回归平方和。 是各实际观测点与回归值的残差（yi_—?yi）的平方和，它反映除x对y的线性影响之外的其他因素对y变差的作用，是不能由回归直线来解释的yi变差部分，称为残差平方和。 总平方和=回归平方和+残差平方和 7、判定系数：回归平方和占总平方和的比例。作用： 8、在回归分析中，F检验和t检验各有什么作用 9、线性关系检验的步骤：第一步：提出假设。H0：β1=0 两个变量之间的线性关系不显著。第二步：计算检验统计量F。（）F= 第三步：作出决策。确定显著水平α，并根据分子自由度df1=1和分母自由度df2=n—2查F分布表，找到相应的临界值Fα。若F>Fα,拒绝H0，表明两个变量之间的线性关系是显著的；若F 计算检验的统计量t （148）
相关推荐：
loading