第4章抽样及抽样分布.pptVIP

第四章 抽样与抽样分布 第一节 抽样技术 第二节 正态分布及几个重要的统计分布 第三节 样本统计量的抽样分布 学习目标 掌握抽样技术中的基本概念 掌握简单随机抽样的做法和适用性 了解分层抽样、系统抽样、整群抽样、多阶段抽样和不等概抽样等抽样技术的基本做法和适用性 了解正态分布、分布、卡方分布、分布等几个重要的统计分布及其在统计推断中的意义 掌握样本均值、样本比例、样本方差的抽样分布 理解中心极限定理的含义及其在统计推断中的意义 掌握两个样本均值之差、两个样本比例之差、两个样本方差之比的抽样分布 熟悉Excel中随机抽样的实现 一、抽样技术中的基本概念 （一）总体和样本 总体(population) 所研究的全部元素的集合 ，其中的每一个元素称为个体 分为有限总体和无限总体 有限总体的范围能够明确确定，且元素的数目是有限的 无限总体所包括的元素是无限的，不可数的 样本 (sample) 从总体中抽取的一部分元素的集合 构成样本的元素的数目称为样本容量 样本容量和大小样本 样本容量：一个样本所包含的总体基本单元数 　的样本叫小样本 　的样本叫大样本 数理统计中，在用样本数量特征推断总体数量特征时，大小样本使用的推断方法有所不同 社会经济现象的抽样推断中，绝大多数采用的是大样本 （二）参数和统计量 参数(parameter) 研究者想要了解的总体的某种特征值 所关心的参数主要有总体均值(?)、标准差(?)、总体比例(π)等 总体参数通常用希腊字母表示 统计量(statistic) 根据样本数据计算出来的一个量 所关心的样本统计量有样本均值(?x)、样本标准差(s)、样本比例(p)等 样本统计量通常用小写英文字母来表示 （三）抽样框与抽样单元 1、抽样框(sampling frame) 是包括全部总体单位的一个框架，用来代表总体，从中抽取样本单元 抽样框的主要形式： （1）名单抽样框 （2）区域抽样框，比如地图 （3）时间表抽样框 抽样框的意义——实施抽样的基础，抽样框的编制会影响抽样的随机性和抽样效果的实现 对抽样框的基本要求 (1)一个理想的抽样框应该与目标总体一致，不重不漏 (2)应尽可能地提供抽样单元的名称和地理位置、联系方式等信息 (3)还应尽可能多地提供与研究的目标量有关的辅助信息，以便调查人员利用这些辅助信息搞好抽样设计，提高抽样估计的效率 比如：对企业做调查，除了有企业名单目录外，还应该有企业的联系方式、法人代表、注册信息，甚至近期主要经济或财务指标的数据等 抽样单元(Sampling unit) 抽样单元是构成抽样框的基本要素，它可以是自然形成的，也可以是人为划分的 抽样单元与总体基本单元(Base unit)的关系有两种： 抽样单元=总体基本单元 比如，简单随机抽样，分层抽样，系统抽样等 抽样单元=总体基本单元的集合 比如，整群抽样，多阶段抽样 （四）抽样方法和样本可能数目 1、重置和不重置抽样 2、样本可能数目 抽样方法——重置抽样 重置抽样，也叫重复抽样/回置抽样，是指从总体的Ｎ个单位中抽取一个容量为n的样本，逐个抽取。每次抽出一个单位记录后，再将其放回总体中参加下一次抽取，这样连续抽n次即得到一个样本 同一总体单位有可能被重复抽中 每次都是从Ｎ个总体单位中抽取 ｎ次抽取就是ｎ次相互独立的随机试验 样本可能数目M 是指按某抽样方案从总体中抽样，可能抽出的所有的样本的个数 （1）考虑顺序的重复抽样的样本可能数目 二、抽样技术 常用的抽样技术 概率抽样(probability sampling) 根据一个已知的概率来抽取样本单位，也称随机抽样 特点 按一定的概率以随机原则抽取样本 抽取样本时使每个单位都有一定的机会被抽中 每个单位被抽中的概率是已知的，或是可以计算出来的 当用样本对总体目标量进行估计时，要考虑到每个样本单位被抽中的概率 不等概抽样(unequal probability sampling) 所谓不等概抽样，即总体中各单元被抽中的概率不相等。这个概率通常与各单元的某个辅助变量大小成正比例 ①各单元被抽中的概率称为“入样概率”。设总体含有N个单元，那么各单元入样概率用Zi（i=1,2,…,N）表示。在不等概抽样下，Zi是不完全相同的 ②“Zi与某一辅助变量Xi大小成正比例”。如果某一单元的辅助变量越大，则该单元被抽中的概率越大。所以，辅助变量也称为入样指标 Zi＝Xi/∑Xi，(i=1,2,…,N) ∑Zi=1 是否需要入样指标来确定入样概率，成为不等概率抽样和等概率抽样的本质区别 不等概抽样作用或适用性 ①各抽样单元在总体中所占的地位不一致 居民住户调查中，调查家庭的日常