数据的抽样和抽样分布.pptVIP

数据的抽样与抽样分布 第一节 统计抽样与抽样误差 第二节 抽样分布与中心极限定理 第三节 抽样分布其他问题 第一节 统计抽样与抽样误差 无论是总体数据还是样本数据，其统计特征都是可以用平均数、中位数以及标准差等指标来描述。当我们对样本数据计算统计特征的指标时，所得到的结果就叫做“样本统计量”，如果用总体的数据计算平均数或标准差，由于它们描述的是总体的数字特征，我们就称这些指标为“总体参数”。 一般来说，参数指的是描述总体分布特征或反映总体模型的统计指标；统计量是指样本分布的特征指标。 抽样方法 从总体中抽取样本的方法总的来说有两个： 一是随机抽样，其特点是总体中的任何一个个体单位都有被抽中作为样本的机会，而且每个样本被抽中的机会均等。 另一种是非随机抽样或称为判断抽样，其特点是抽样人员根据自己对事物的了解，从总体中有目的的选择部分单位作为样本。 常用的随机抽样方式 纯随机抽样：在抽取样本时，必须保证总体中的每一个可能元素被抽中的概率是相等的，并且总体中每一个单位被包括在样本中的可能性也是相等的。 机械抽样：在从总体中抽取样本时，按照时间或空间的等距间隔进行抽取。 类型抽样：首先将总体按照一定的标志划分成许多性质相近的类型或组别，然后在每种类型中按随机原则抽取单位组成样本的抽样方式。 整群抽样：是把总体分为许多群，然后在这些群中随机地抽取某些“群”作为样本。 抽样的作用 从理论上讲，只要能对所研究的现象进行反复地、全面地观察，就可以找出其统计规律性。但是在实际中，全面观察或反复观察要耗费大量的人、财、物，而且有时是无法做到的。 因此，我们就可以采用从总体中抽取部分单位作为样本进行观察，取得某些数据资料后，再推断总体的特征。我们称这样的统计方法为抽样推断统计。 抽样分布概念 对于一个总体容量为N的总体，无论是有限总体或无限总体，只要所要求的抽样的样本容量n小于总体容量，即nN，那么可能抽取的样本就不止一个。在一般情况下，从同一总体中抽取的不同样本，其统计量的值也是不同的。若我们把从某个总体中抽取样本容量为n的所有样本的样本统计量作为一组随机变量的话，则这一组随机变量的概率分布叫做“抽样分布”。 抽样误差 统计抽样的目的在于根据样本统计量推断总体参数。 在计算样本统计量时，样本不同，统计量之间会存在一定的差异，这是随机抽样自身固有的差异，即不论按什么方法组织抽样，不同样本的平均数、标准差，必定存在一定的差异。统计上，某个样本统计量与另一个样本统计量之间的差异，及某个样本的统计量与总体参数之间的差异，就称为抽样误差。 总体分布、样本分布和抽样分布 总体分布 从正态总体中抽样 从一个正态分布的总体中抽取样本为n的样本，样本平均数在总体平均数以下和以上出现的机会是相等的。由于样本平均数是由n个数据平均而得，因此它掩盖了样本中各个具体数据的差异。可以肯定地说，样本平均数的分散程度会比总体中单个数据的分散程度要小些。即抽样平均数的平均标准误差比总体标准差要小些。 从正态分布中抽样的样本平均数抽样分布的性质 从正态总体中抽样，抽样分布也必定是正态分布； 从正态总体中抽样，抽样分布的平均数一定等于总体平均数；即μx= μ 从正态总体中抽样，抽样分布的平均标准误差比总体标准差要小，而且随着样本容量的增加，平均标准误差越来越小。可以证明平均标准误差σx与总体标准差σ的关系是： 从非正态总体中抽样 现实问题中，有许多现象并不服从正态分布。从一个非正态总体中抽样，抽样分布是否仍然满足上述三个基本性质呢？ 经过实证检验，即使从非正态总体中抽样，随着样本容量的增加，平均数抽样分布也将趋于正态分布。而且其抽样分布的平均数与总体平均数也是相等的。 中心极限定理 从以上我们可以得出，无论所研究的总体分布是正态分布还是非正态分布，从总体中抽取一定容量的样本，全部可能样本所构成的抽样分布对于下述两点始终成立： （1）抽样分布的平均数等于总体平均数； （2）随着样本容量的增加，抽样分布趋于正态分布。 *总体分布与平均数抽样分布之间的这种关系称为“中心极限定理”。 因此，当我们要根据样本统计量推断总体参数时，不必考虑总体的分布形态，只需要运用正态分布理论，用样本的资料通过推断抽样分布的平均数，来估计总体平均数。 中心极限定理是统计推断理论中最重要的定理。 中心极限定理证明，样本容量足够大时，抽样分布趋于正态分布。在统计学中，被广泛采用的粗略法则是：样本容量不小于30，就可以用正态分布作为抽样分布的近似值。 样本容量与抽样平均误差的关系 有限总体校正系数 从无限总体中抽样，可以认为每次取样不会改变下次抽样的条件。 但是对于有限总体而言，如果采用不放回抽样，随着抽样工作的进行，总体的成分就会不断发生变化，即每次抽样后，各单位被抽中的概率就会发生变化，因此抽样平