高等数学 / 系统课时

未知方差的均值区间

未知方差的均值区间

当总体近似服从正态分布但方差未知时,不能直接用标准正态分布构造均值区间。本课将用样本标准差替代总体标准差,并通过 tt 分布完成置信区间计算与条件判断。

学习目标

  • 说明方差未知时为什么要使用 tt 分布
  • 掌握单总体均值置信区间的公式与计算步骤
  • 根据样本量、正态性和置信水平判断结果是否可靠

为什么要改用 t 分布

设总体均值为 μ\mu,总体标准差 σ\sigma 未知。若直接把样本标准差 SS 当成 σ\sigma,会额外引入估计误差,因此标准化后的统计量不再服从标准正态分布,而是服从自由度为 n−1n-1 的 tt 分布:

T=Xˉ−μS/n∼t(n−1)T=\frac{\bar{X}-\mu}{S/\sqrt{n}}\sim t(n-1)

tt 分布关于 0 对称,但尾部比标准正态分布更厚。样本量越小,这种差异越明显;样本量增大后,tt 分布逐渐接近标准正态分布。

置信区间公式

在总体正态,或样本量足够大且不存在严重偏态和极端异常值时,置信水平为 1−α1-\alpha 的双侧区间为:

xˉ±tα/2,n−1sn\bar{x}\pm t_{\alpha/2,n-1}\frac{s}{\sqrt{n}}

其中,xˉ\bar{x} 是样本均值,ss 是样本标准差,nn 是样本量,tα/2,n−1t_{\alpha/2,n-1} 是自由度为 n−1n-1 的临界值。区间半宽也称误差界:

E=tα/2,n−1snE=t_{\alpha/2,n-1}\frac{s}{\sqrt{n}}

置信水平越高,临界值越大,区间越宽;样本量越大,标准误 s/ns/\sqrt{n} 越小,区间通常越窄。

完整计算示例

某设备连续测量 16 次,得到样本均值 xˉ=50.4\bar{x}=50.4,样本标准差 s=2.0s=2.0。要求总体均值的 95% 置信区间。

自由度为 16−1=1516-1=15,查表得 t0.025,15≈2.131t_{0.025,15}\approx2.131。标准误为:

sn=2.016=0.5\frac{s}{\sqrt{n}}=\frac{2.0}{\sqrt{16}}=0.5

误差界为:

E=2.131×0.5=1.0655E=2.131\times0.5=1.0655

因此置信区间为:

50.4±1.0655=(49.3345,51.4655)50.4\pm1.0655=(49.3345,51.4655)

通常可按测量精度写成 (49.33,51.47)(49.33,51.47)。正确解释是:按照同样方法反复抽样并构造区间,约 95% 的区间会覆盖真实总体均值。不能说“总体均值有 95% 的概率落在这个已算出的区间内”。

适用条件与常见错误

小样本情形下,应重点确认总体分布近似正态,或至少没有明显偏态与离群点。大样本时,均值的抽样分布通常更接近正态,但极端异常值仍可能显著影响均值和标准差。

常见错误包括把自由度写成 nn、误用标准正态临界值、把样本方差开方遗漏,以及将置信水平解释成参数本身的概率。还要注意,样本不是随机抽取时,即使公式计算正确,区间也未必能代表目标总体。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

未知方差的均值区间

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通