保险专业资源下载网站

§7.5   正态总体的区间估计(二)
在实际应用中，经常会遇到两个正态总体的区间估计问题。
当两样本相互独立时，有
证明:
I.由基本定理(见定理6.4.1)，知             
故，(1) 式成立；
且二者相互独立。
且(3)式与(4)式中的随机变量相互独立。由 t 分布的定义，得
N(0,1)
χ  2m+n-2
换形式
~ t m+n -2 . 
分母互换
利用该定理，我们可以得到 μ1-μ2 的置信系数为 1-α 的置信区间。
查  t  分布表，得 tm+n-2(α /2) = t27(0.025)=2.05.
§7.6  非正态总体的区间估计 
前面两节讨论了正态总体分布参数的区间估计。但是在实际应用中，我们有时不能判断手中的数据是否服从正态分布，或者有足够理由认为它们不服从正态分布。这时，只要样本大小 n 比较大，总体均值 μ 的置信区间仍可用正态总体情形的公式 
或
σ2已知时
σ2未知时
所不同的是：这时的置信区间是近似的。 
这是求一般总体均值的一种简单有效的方法，其理论依据是中心极限定理，它要求样本大小 n 比较大。因此，这个方法称为大样本方法。
设总体均值为 μ,  方差为σ2 ,  X1, X2, …, Xn 为来自总体的样本。因为这些样本独立同分布的，根据中心极限定理，对充分大的 n, 下式近似成立
因而，近似地有 
于是， μ 的置信系数约为1-α 的置信区间为
当σ2未知时，用σ2的某个估计，如 S2 来代替，得到
只要 n 很大，(2)式所提供的置信区间在应用上是令人满意的。
那么，n  究竟多大才算很大呢？ 
显然，对于相同的 n ,   (2)式所给出的置信区间的近似程度随总体分布与正态分布的接近程度而变化，因此，理论上很难给出 n 很大的一个界限。
但许多应用实践表明：当 n≥30时，近似程度是可以接受的；当 n≥50时，近似程度是很好的。
例1：某公司欲估计自己生产的电池寿命。现从其产品中随机抽取 50 只电池做寿命试验。这些电池寿命的平均值为 2.266  (单位：100小时)，标准差 S=1.935。求该公司生产的电池平均寿命的置信系数为 95% 的置信区间。