高等数理统计（五）

引言

　　【比较官方的简介】数理统计学是一门以概率论为基础，应用性很强的学科。它研究怎样以有效的方式收集、 整理和分析带有随机性的数据，以便对所考察的问题作出正确的推断和预测，为采取正确的决策和行动提供依据和建议。数理统计不同于一般的资料统计，它更侧重于应用随机现象本身的规律性进行资料的收集、整理和分析。

　　【简单的讲】，就是通过样本分析来推断整体。

　　【意义或者重要性】在这个大数据时代，数据是非常重要的。怎样挖掘数据内部的规律或者隐含的信息，变得尤为重要。当时我们是不可能获得整体的数据的，所以我们只能通过抽取样本，进而通过样本来推断整体的规律。

　　【目录】

　　第一章、样本与统计量

　　　　一、引言：

　　　　二、总体与样本：

　　　　三、统计量：

　　　　四、常用分布：

　　第二章、参数估计

　　　　一、引言：

　　　　二、点估计——矩估计法：

　　　　三、点估计——极大似然估计：

　　　　四、估计量的优良性准则

　　　　五、区间估计——正态分布

　　　　　　1、引入

　　　　　　2、单个正态总体参数的区间估计

　　　　　　3、两个正态总体的区间估计

　　　　六、区间估计——非正态分布：

　　　　　　1、大样本正态近似法

　　　　　　2、二项分布

　　　　　　3、泊松分布

　　第三章、假设检验

　　　　一、引言：

　　　　二、正态总体均值的假设检验

　　　　　　1、单正态总体 N(μ, σ²)均值 μ 的检验

　　　　　　　　（1） 双边检验 H₀: μ = μ₀；H₁: μ≠μ₀ 

　　　　　　　　（2） 单边检验 H₀: μ = μ₀；H₁: μ>μ₀

　　　　　　2、两个正态总体 N(μ₁, σ₁²) 和  N(μ₂, σ₂²)均值的比较

　　　　　　　　（1） 双边检验 H₀: μ₁ = μ₂；H₁: μ₁≠μ₂ 

 　　　　　　  　（2） 单边检验 H₀: μ₁ >= μ₂；H₁: μ₁<μ₂ 

　　　　　　　　（3） 单边检验 H₀: μ₁ <= μ₂；H₁: μ₁>μ₂ 

　　　　三、正态总体方差的检验

　　　　　　1、单个正态总体方差的 χ2 检验

　　　　　　　　（1） H₀: σ² =σ₀²；H₁: σ² ≠σ₀²

　　　　　　　　（2） H₀: σ² =σ₀²；H₁: σ² >σ₀²

　　　　　　　　（3)  H₀: σ² ≤σ₀²；H₁: σ² > σ₀² (同2.)

　　　　　　2、两正态总体方差比的 F 检验

　　　　　　　　　(1).  H₀: σ₁² = σ₂²；H₁: σ₁² ≠  σ₂².

　　　　　　　　 （2） H₀: σ₁² = σ₂²；H₁:    σ₁²> σ₂²

　　　　　　　　 （3） H₀: σ₁² ≤ σ₂²；H₁:    σ₁²> σ₂²

 　　第四章、回归分析

　　　　一、引言

　　　　　　4、估计与预测

　　　　　　　　（1） E(y₀)的估计

　　　　　　　　（2） y₀的预测区间

 　　　　三、广义线性回归模型

　　　　 四、非线性回归模型

 　　第五章、方差分析

　　　　一、引言

第五章、方差分析

　　一、引言：

　　方差分析是研究一种或多种因素的变化对试验结果的观测值是否有显著影响，从而找出较优的试验条件或生产条件的一种常用数理统计方法。

　　【方差分析的另外一种提法】实际工作中我们经常碰到多个正态总体均值的比较问题，处理这类问题通常采用所谓的方差分析方法；即不同因素水平产生多个正态分布，方差分析就是这多个正态分布进行分析。 

　　【例1】在饲料养鸡增肥的研究中，某研究所提出三种饲料配方：A₁是以鱼粉为主的饲料，A₂是以槐树粉为主的饲料，A₃是以苜蓿粉为主的饲料。为比较三种饲料的效果，特选 24 只相似的雏鸡随机均分为三组，每组各喂一种饲料，60天后观察它们的重量。试验结果如下表所示：  

    本例中，我们要比较的是三种饲料对鸡的增肥作用是否相同。为此，把饲料称为因子，记为A，三种不同的配方称为因子A的三个水平，记为A₁, A₂, A₃，使用配方A_i下第 j 只鸡60天后的重量用y_ij表示，i=1, 2, 3,  j=1, 2,..., 10。我们的目的是比较三种饲料配方下鸡的平均重量是否相等，为此，需要做一些基本假定，把所研究的问题归结为一个统计问题，然后用方差分析的方法进行解决。

　　二、单因子方差分析的统计模型 :

    在例1中我们只考察了一个因子，称其为单因子试验。

    通常，在单因子试验中，记因子为 A, 设其有r个水平，记为A₁, A₂,…, A_r，在每一水平下考察的指标可以看成一个总体 ，现有 r 个水平，故有 r 个总体， 假定：

　　我们要比较各水平下的均值是否相同,

     即要对如下的一个假设进行检验:  H₀ ：μ₁ =μ₂ =…=μ_r                      （1）

    　　　　　　　　　 备择假设为  H₁ ：μ₁, μ₂, …, μ_r 不全相等

    在不会引起误解的情况下， H₁ 通常可省略不写。

    如果H₀成立，因子A的r个水平均值相同，称因子A的r个水平间没有显著差异，简称因子A不显著；反之，当H₀不成立时，因子A的r个水平均值不全相同，这时称因子A的不同水平间有显著差异，简称因子A显著。

　　为对假设（1）进行检验，需要从每一水平下的总体抽取样本，设从第i个水平下的总体获得m个试验结果，记 y_ij 表示第i个总体的第j次重复试验结果。共得如下n=r×m个试验结果：

y_ij， i＝1, 2,…, r ， j＝1, 2, …, m, 其中r为水平数，m为重复数，i为水平编号，j 为重复编号。

　　在水平Ai下的试验结果y_ij与该水平下的指标均值 μ_i  一般总是有差距的，记 ε_ij = y_ij-μ_i，e_ij  称为随机误差。于是有：y_ij = μ_i +ε_ij               （2）

  （2）式称为试验结果 y_ij 的数据结构式。

　　【单因子方差分析的统计模型】

高等数理统计（五）

原文：http://www.cnblogs.com/mo-wang/p/5049384.html