统计学第3章抽样与抽样分布论述.ppt

第 3 章 抽样与抽样分布 概率抽样(probability sampling) 也称随机抽样 按一定的概率以随机原则抽取样本 3.1.1简单随机抽样(simple random sampling) 从总体N个单位中随机地抽取n个单位作为样本，每个单位入抽样本的概率是相等的 有重复抽样和不重复抽样 局限性 抽出的单位很分散，给实施调查增加了困难 没有利用其它辅助信息以提高估计的效率 3.1.2分层抽样(stratified sampling) 将抽样单位划分为不同的层，然后从不同的层中独立、随机地抽取样本. 2.优点 保证样本的结构与总体的结构比较相近，从而提高估计的精度 组织实施调查方便 既可以对总体参数进行估计，也可以对各层的目标量进行估计 3.1.3 系统抽样(systematic sampling) 将总体中的所有单位按一定顺序排列，按某规则确定一个随机起点, 然后每隔一定的间隔抽取一个单位,直到抽取n个样本单位. 优点：操作简便，可提高估计的精度 3.1.4 整群抽样 将总体中若干个单位合并为组(群),抽样时直接抽取群，然后对中选群中的所有单位全部实施调查 特点 抽样时只需群的抽样框，可简化工作量 调查的地点相对集中，节省调查费用，方便调查的实施 缺点是估计的精度较差 3.2 抽样分布 3.2.1 抽样分布的概念 P99 总体分布 总体中各元素的观察值所形成的分布 分布通常是未知的 可以假定它服从某种分布 样本分布 一个样本中各观察值的分布 也称经验分布 当样本容量n逐渐增大时，样本分布逐渐接近总体的分布 抽样分布 样本统计量的概率分布 是一种理论概率分布 随机变量是 样本统计量 样本均值, 样本比例，样本方差等 结果来自容量相同的所有可能样本 提供了样本统计量长远稳定的信息，是进行推断的理论基础，也是抽样推断科学性的重要依据 抽样分布 P99 样本均值的分布与总体分布的比较 P101 从上图可知，从均匀分布的总体中抽取n=2的样本，其样本均值的分布已转换成对称的分布 3.2.2 样本均值X抽样分布的形式 样本均值抽样分布的形式与原有总体的分布和样本量的大小有关 见P101 样本均值的抽样分布趋于正态分布的过程 。 从上图可知，不论总体是什么形状的分布， 当n=2时，样本均值的分布已明显改变形状； 当n=5时；样本均值的分布开始趋于正态； 当n=30时，样本均值的分布基本上形成正态分布。 抽样分布与总体分布的关系 3.2.3 样本均值X 抽样分布的特征 P103 样本均值抽样分布的特征 (均值与方差) 样本均值的数学期望 样本均值的方差 重复抽样 不重复抽样 例: 3.2.4 样本比率的抽样分布 比率(proportion)  总体(或样本)中具有某种属性的单位与全部单位总数之比 不同性别的人与全部人数之比 总体比率可表示为 样本比率可表示为 样本比率P的抽样分布 容量相同的所有可能样本的样本比率P取值的概率分布 当样本容量很大时，样本比率的抽样分布可用正态分布近似 一种理论概率分布 推断总体比率?的理论基础 样本比率的抽样分布的特征(数学期望与方差) 样本比率的数学期望 样本比率的方差 重复抽样 不重复抽样 3.3 中心极限定理的应用 P111 中心极限定理 当样本容量足够大时(n ? 30) ，样本均值的抽样分布逐渐趋于正态分布 中心极限定理：设从均值为?，方差为? 2的一个任意总体中抽取容量为n的样本，当n充分大时，样本均值的抽样分布近似服从均值为μ、方差为σ2/n的正态分布 一个任意分布的总体 X * * 统计学 3.1 常用的抽样方法 总体 样本 总体 计算样本统计量 例如：样本均值、比例、方差 样本 【例】设一个总体，含有4个元素(个体) ，即总体单位数N=4。4 个个体分别为x1=1、x2=2、x3=3 、x4=4 。总体的均值、方差及分布如下 总体分布 1 4 2 3 0 .1 .2 .3 均值和方差 ? 现从总体中抽取n＝2的简单随机样本，在重复抽样条件下，共有42=16个样本。所有样本的结果为 3,4 3,3 3,2 3,1 3 2,4 2,3 2,2 2,1 2 4,4 4,3 4,2 4,1 4 1,4 4 1,3 3 2 1 1,2 1,1 1 第二个观察值 第一个 观察值 所有可能的n = 2 的样本（共16个） ? 计算出各样本的均值，如下表。并给出样本均值的抽样分布 X 样本均值的抽样分布 1.0 0 .1 .2 .3 P (X ) 1.5 3.0 4.0 3.5 2.0 2.5 3.5 3.0 2.5 2.