统计学第3章概率分布与抽样分布分解.pptVIP

分层抽样(stratified sampling) 将总体单位按某种特征或某种规则划分为不同的层，然后从不同的层中独立、随机地抽取样本 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 组织实施调查更方便 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 分层或分类时，应使层内各单位的差异尽可能小，而使各层之间的差异尽可能大。 * 系统抽样(systematic sampling) 将总体中的所有单位(抽样单位)按一定顺序排列，在规定的范围内随机地抽取一个单位作为初始单位，然后按事先规定好的规则确定其他样本单位 先从数字1到k之间随机抽取一个数字r作为初始单位，以后依次取r+k，r+2k…等单位 优点：操作简便，可提高估计的精度 缺点：对估计量方差的估计比较困难 也称等距抽样或机械抽样 * 例3-1：从10000户中抽取200户进行抽样调查。 ①把10000户按一定标志（如家庭人口、收入水平、地址等）排列编号1—10000号； ②求出抽样间隔k＝N/n＝10000/200＝50 ③在第一个间隔1--50号内任意选取一个单位作为抽样起点，如38号； ④从38号开始，每隔50户抽取一户　38、88、138、188……9988，共200户。 系统抽样（例题） * 整群抽样(cluster sampling) 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 * 3.4 抽样分布 3.4.1 抽样分布的概念 3.4.2 样本均值抽样分布的形式 3.4.3 样本均值抽样分布的特征 3.4.4 样本比率的抽样分布 3.4.5 样本方差的抽样分布 * 研究总体与所抽取的样本之间的关系是统计学的中心内容 。对这种关系的研究从两方面着手： 一是从总体到样本 ，这就是研究抽样分布(sampling distribution)的问题； 二是从样本到总体，这就是统计推断(statistical inference)问题。 抽样分布 (sampling distribution) * 抽样分布 (sampling distribution) 从一个给定的总体中抽取（不论是否有放回）容量（或大小）为n的所有可能的样本， 对于每一个样本，计算出某个统计量（如样本均值或标准差）的值，不同的样本得到的该统计量的值是不一样的，由此得到这个统计量的概率分布，称之为抽样分布。 样本统计量与总体参数之间的差异称为抽样误差 （sampling error）。 * 样本统计量的概率分布，是一种理论分布 在重复选取容量为n的样本时，由该统计量的所有可能取值形成的相对频数分布 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而稳定的信息，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 (sampling distribution) * 抽样分布（例题分析） 某班组5个工人的日工资为34、38、42、46、50元。 ? = 42 ?2 = 32 现用重置抽样的方法从5人中随机抽2个构成样本。共有52=25个样本。如右图。 总体单位数很大时，难以一一列举样本数，可通过反复进行抽样，记录下统计量取不同数值时的次数百分比，以得到一个统计量近似的抽样分布 * 设有一个总体 ，总体平均数为 μ,方差为σ2，总体中各变数为 x， 将 此总体称为原总体。现从这个总体中随机抽取含量为n的样本，样本平均数记为 。 可以设想，从原总体中可抽出很多甚至无穷多个含量为n的样本。由这些样本算得的平均数有大有小，不尽相同，与原总体平均数μ相比往往表现出不同程度的差异，即抽样误差(sampling error)。 （一）样本均值的抽样分布 * 样本均值的抽样分布 (例题分析) 【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 。总体分布、总体的均值、方差及分布如下 总体分布 1 4 2 3 0 .1 .2 .3 * 样本均值的抽样分布 (例题分析) ? 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