前言
本篇文章是最后一个介绍参数估计的章节。
总体方差的区间估计
研究一个总体时，推断总体方差 使用的统计量为样本方差 。研究两个总体时，所关注的参数是两个总体的方差比（ 
），用于推断的统计量则是两个样本的方差比（ 
）。
总体方差的区间估计(一个总体方差的估计)
估计一个总体的方差或标准差假定条件：
假设总体服从正态分布(原理与总体均值、总体比例区间估计不同)
样本方差的抽样分布服从自由度为n-1的 
分布，用 
分布构造总体方差的置信区间
分布不是对称分布，无法由点估量±估计误差得到总体方差的置信区间
例题：
一家食品生产企业以生产袋装食品为主，现从某天生产的一批食品中随机抽取了25袋，测得每袋重量如下表所示。已知产品重量的分布服从正态分布。以95%的置信水平建立该种食品重量方差的置信区间
sigma.test(x, sigma=1, sigmasq=sigma"2, alternative=c(“two.sided”, “less”, “greater”), conf level=0. 95,）函数用于总体方差的检验。参数x为向量；sigma为假设的总体标准差，默认为1； sigmasq为假设的总体方差； alternative确定备择假设的形式，默认为"two. sided"；conf.1eve指定置信水平，默认为0.95。
食品重量方差的置信区间（使用sigma.test函数）
load("C:/example/ch5/example5_2.RData")
library(TeachingDemos)
sigma.test(example5_2$食品重量,conf.level=0.95)$conf.int
总体方差的区间估计(两个总体方差比的估计)
在实际问题中经常会遇到比较两个总体方差的题，比如，希望比较用两种不同方法生产的产品性能的稳定性，比较不同测量工具的精确度，等等
由于两个样本的方差比服从F(n1-1，n2-1）分布，因此可用F分布构造两个总体方差比 
的置信区间，其原理可用下图来表示
例题：
（数据： example5_4. RData）为估计两种方法组装产品所需时间的差异，分别对两种不同的组装方法各随机安排12个工人，每个工人组装一件产品所需的时间如下表所示。假定两种方法组装产品的时间服从正态分布，求以95%的置信水平建立两种方法组装产品所需时间方差比的置信区间。
函数var.test（x，y， ratio=1，alternative=“two.sided”）用于两个总体方差比的检验，参数x和y为向量 ；ratio为假设的两个总体方差比，默认为1。
两种方法组装产品所需时间方差比的置信区间
load("C:/example/ch5/example5_4.RData")
var.test(example5_4$方法一,example5_4$方法二,alternative="two.sided")$conf.int
文章来源：https://www.toymoban.com/news/detail-808503.html
总结
以上三篇文章就是对参数估计的介绍。文章来源地址https://www.toymoban.com/news/detail-808503.html
到了这里，关于统计学-R语言-6.3的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
