§1点估计（PointEstimate）3.具体实现UNIVARIATE、MEANS等过程步4.对点估计精度的影响因素：样本容量：大样本给出的点估计会比较接近未知的总体均值的真值；方差：方差较小的总体，给出的点估计也会比较接近未知的总体均值的真值。§2置信区间（Confidenceinterval）3.构造一个95%的置信区间（CI）包含以总体均值为中心的样本均值分布密度曲线下面积的95%；以95%的概率包含总体均值。所以，若样本均值落入样本均值分布的钟型区域内（见图），所构造的置信区间包含总体的均值。但在实际应用中，是未知的。4.SAS计算均值置信区间的公式说明：是样本均值；S是样本标准差；n是样本容量；t是给定置信水平和样本容量的一个t分布的值，确定因素：df：自由度=n-1：置信水平=1-此公式适用于当总体方差未知时，此时用t分布来拟和正态分布。5.实现1）在MEANS过程步中实现（见第六章）在MEANS语句中通过选项ALPHA=value设置置信区间；在统计量列表中给出关键字：UCLM、LCLM或CLM。2）用程序计算t值的计算t值可通过在数据步中调用函数来计算，一般形式：DATACACULT;tvalue=TINV(p,df);RUN;其中df=n-1、p=6.决定置信区间大小的因素置信水平置信水平越高，置信区间越大数据的波动样本方差越大，置信区间越大样本容量样本容量越大，置信区间越小§3假设检验（Hypothesistesting）6.3假设检验的方法建立零假设和备选假设之后，通过计算一个统计量来检验零假设；然后把该统计量值同参考值（零假设为真的情况下所期望的值）进行比较，比较结果是一个概率值（p值）。p值在零假设为真的条件下，能够取到所计算的统计量的值的概率。判断：若p值表明统计量值不可能合理的偶然取到，应拒绝零假设；若p值表明统计量值在零假设为真的条件下可能偶然取到，不能拒绝零假设。6.4显著水平α一个拒绝零假设所需要的概率值。通常使用3个水平值：0.10（中等显著）、0.05（中等显著）、0.01（高度显著）。6.5假设检验的步骤1）根据问题确定零假设H0和备选假设H1。2）确定一个显著水平α。3）计算p值。4）比较p和α，做出判断：p<α，拒绝零假设；p≥α，接受零假设；6.6有关零假设的错误α错误（第一类错误）零假设成立时拒绝零假设。β错误（第二类错误）零假设不成立时接受零假设。6.7在SAS中的实现见UNIVARIATE和MEANS过程步。7。在Insight中的实现例：在数据集sashelp.class中，计算Height的描述性统计量，求置信水平为95%的置信区间，检验Height的均值为60英寸是否有显著差异。1）选择菜单项Analyze→Distribution(Y)2）在对话框Distribution(Y)中选择要分析的变量Height，并点击按钮Y。Height会出现在Y下面的列表框中。3）点击Output按钮，选择输出内容，并按OK按钮。4）回到对话框Distribution(Y)中，按OK按钮，得到以下结果：5）均值检验：选择菜单项：Tables→TestforLocation，在随后出现的TestforLocation对话框中输入60。得到如下结果：不能拒绝零假设。6）检验分布情况先通过Analyze→Distribution菜单打开需要分析的变量的分布窗口；然后选择Curves→TestforDDistribution；在随后弹出的对话框中输入分布种类和参数；在Distribution窗口中将会显示结果。8。在分析员应用中实现例：在数据集sashelp.class中，计算Height的描述性统计量，求置信水平为95%的置信区间，检验Height的均值为60英寸是否有显著差异。8.1计算常用描述性统计量1）选择菜单项：Statistics→Descriptive→SummaryStatistics（与过程步Mean等价）或者选择菜单项：Statistics→Descriptive→Distribution（与过程步Univariate等价）2）在随后出现的对话框SummaryStatistics:class（或Distributions:class）中左边的列表框中选择要分析的变量，并点击Analysis。3）进行其它设置后，最后点击OK按钮确定。8.2求置信区间和参数检验1）选择菜单项均值的置信区间方差的置信区间比例的置信区间2）选择分析变量等参数在左侧列表框中选择变量，然后点击Variable按钮。