第八章抽樣與抽樣分配.ppt

第八章 抽樣與抽樣分配 大綱 抽樣的基本概念 母體分配、樣本分配與抽樣分配 常見的抽樣分配 ?2分配、F分配與t分配 8-1 抽樣的基本概念 「隨機」必須滿足下列三個條件 母體中的任一元素皆有被抽出的可能性 任一組樣本被抽出的機率皆為已知的（或可以計算） 各組樣本被抽出的過程是獨立的 非隨機抽樣方法 便利抽樣 樣本的選取，只考慮方便性 判斷抽樣法 根據研究者主觀意義來判斷如何選擇樣本，判斷抽樣調查法又稱為立意式的抽樣法，在抽樣方法中被廣為使用的方法之一 滾雪球抽樣 調查的對象本身稀少，甚至不曉樣本在何處，以利用已知的少數樣本，再從這些樣本所提供的訊息取得其他樣本，就如同滾雪球般越滾越大 隨機抽樣方法 簡單隨機抽樣 簡單隨機抽樣的方法是利用亂數表抽取樣本，因此母體中的每個元素被抽中的機率皆相等 系統抽樣 將母體中所有樣本依序排列，以等距離或等間隔方式抽取樣本 分層抽樣 先將母體依某些標準區分成若干不重疊的層，再從各分層中隨機抽取若干樣本，最後由各層所取得的樣本集合成一個總樣本 分層原則應按“層間差異小，層別間差異大”之原則來分層 優點 可以方便比較各層間的差異，亦可獲得有關各層的資訊 可提高估計的精確度 缺點 作業及計算比較複雜 一層應該取樣多少，並無最好的定論，有三種方法最常被採用 比例配置法或稱Fisher抽樣法 各層所抽取的樣本數，與該層之母體總數成正比 非比例配置法或稱Neyman抽樣 將各層的標準差亦考慮進去，差異程度小之層，資料較為一致，抽出樣本較少，差異程度大之層，抽取較多的樣本 Deming配置法 除了上述所考慮的因素之外，另外將成本因素考慮進去，花費成本較高減少抽取樣本數，花費較少的樣本多取一些 部落抽樣法 先將母體分成若干群，接著利用隨機亂數抽取其中一或數群為樣本 分群原則：使群與群之間差異儘量小，而群內之個別資料差異大 8-2 母體分配、樣本分配與抽樣分配 母體分配 母體資料的機率分配 常見的母體分配有常態分配、點二項分配、均勻分配、Poisson分配、指數分配等 樣本分配 指從母體中抽取若干樣本，這些樣本資料的機率分配稱為樣本分配 抽樣分配 樣本統計量的分配 樣本統計量是指描述樣本資料特性或用來推論母體參數的實數函數 常態母體分配下的重要抽樣分配 Z分配、卡方分配、t分配與F分配 抽樣分配的計算方式 母體及抽樣個數很小時 列出所有可能出現的樣本結果 計算每一組可能的樣本結果及對應統計量的值 列出所有統計值所構成之相對次數分配 抽樣個數很大時： 變數變換法 分配函數法 動差母函數法 8-3 常見的抽樣分配 樣本平均數的抽樣分配 樣本平均數的抽樣分配又稱為 的抽樣分配 機率分配函數為 抽樣分配的期望值與變異數 期望值 變異數 採取出放回的方式抽取樣本，或為無限母體 採用取出不放回，或母體為有限母體 8-3.2 大數法則與中央極限定理 大數法則 假設一母體的平均數為?，若從該母體隨機抽取n個樣本，當樣本數n夠大時，則樣本平均數會趨近餘母體平均數 中央極限定理 假設一母體的平均數為?，變異數為?2，若自該母體隨機抽取n個樣本，當樣本數夠大時(n?30)，則樣本平均數的抽樣分配會近似常態分配 若母體分配為常態分配時，則不論n的大小，其樣本平均數的抽樣分配皆為常態分配。在實用上，當樣本數n?30則中央極限定理便成立 8-3.3 樣本比例的抽樣分配 母體比例 A類別的總數在母體中所佔的比例，稱為A類別的母體比例 樣本比例 A類別在抽取的樣本中所佔的比例 樣本比例的抽樣分配 樣本比例的機率分配函數 期望值 變異數 取出放回，或無限母體 取出不放回，或有限母體 當 由中央極限定理知 的抽樣分配趨近於常態分配 大樣本時的樣本比例抽樣分配 當取出的樣本數很大時（np?5且nq?5），根據中央極限定理，樣本比例的抽樣分配會趨近於常態分配 若採取出不放回或為有限母體時，其變異數必須再乘以有限母體修正因子 尚須注意一點，由於二項分配為離散型的機率分配，而常態分配為連續性的分配，故一般建議，當n100時，利用常態分配求在某範圍之機率時，必須做連續性調整 兩樣本平均數差的抽樣分配 抽樣分配期望值 變異數 根據中央極限定理，當樣本很大時，樣本平均數差的抽樣分配會趨近於常態分配 8-3.5 的抽樣分配 期望值 變異數 根據中央極限定理，當樣本數很大時的抽樣分配會趨近於常態分配 8-4 ?2分配、F分配與t分配 ?2分配 原理 在實際的應用上，母體平均數為未知，此時我們可用樣本平均數來取代母體平均