第10 抽样统计.pptVIP

第10章 抽样统计 本章主要阐述参数估计的基本概念、抽样分布、抽样的组织方式和抽样设计的基本问题。其中抽样组织方式主要有简单随机抽样、类型抽样、等距抽样、整群抽样、目录抽样、二重抽样、多阶段抽样等。其核心是怎样根据随机样本对总体参数作出科学的推断。 10.1 抽样统计的基本概念 抽样统计又叫参数估计，是指根据统计研究的任务和要求，从被研究总体中抽出部分单位进行调查，然后根据这一部分单位所求得的样本指标推断总体指标的统计方法。 10.1.1 总体与样本 总体：又称全及总体，即被研究现象的全体，亦具有大量性、同质性和差异性的许多个别事物的集合体。总体单位数通常用N表示。 样本：根据随机原则从总体中抽出来的部分个体单位组成的集合体。样本中包含的单位个数记作n，又称样本容量，n／N称为抽样比例。 10.1.2 参数和统计量 参数：总体的数量特征即总体指标。在抽样时总体指标往往是未知的，是需要进行推断的。总体指标通常有总体平均值(期望值)，记作 或 μ，总体方差或标准差，记作 ， 总体比率，记作P。 统计量：样本的数量特征即样本指标。统计量随着样本的不同而不同，因而是个随机变量。统计量通常有样本均值 ，样本方差S2，样本标准差 S ，样本比例p。 总体分布：总体中某一随机变量的不同取值及其相应的频率或概率组成的分布。 抽样分布：从总体中抽出的所有可能的样本统计量及其相应的概率构成的分布。 10.1.3重复抽样与不重复抽样 重复抽样：每抽出一个总体单位进行调查登记以后，放回去，混合均匀，再抽下一个，直到抽满n个为止。抽样时前面已抽到过的总体单位，在以后的抽取中可能重复抽到。 不重复抽样：每次抽出一个总体单位进行调查登记以后，不再放回，抽样时前面已抽到过的总体单位，以后不会再被抽到。 抽样方法不同，所有可能抽到的样本个数(M)不相同： 1．重复抽样条件下： 2．不重复抽样条件下： 10.1.4 抽样误差与抽样标准误差 抽样误差是指在遵守随机原则条件下，样本指标与总体指标的差异，它是一种偶然性的代表性误差。不包括系统性代表性误差和登记性误差。 抽样标准误差：是指所有可能的样本平均数(或样本比率)对总体平均数(或总体比率)的标准差。抽样标准误差的平方称为抽样方差。依定义有： 样本平均数的抽样标准误差： 样本比率的抽样标准误差： 一般来说，影响抽样误差大小的因素有四个： 1. 样本容量n。样本容量越大，抽样误差就越小，大到n=N时，抽样误差等于0； 2. 总体标准差σ。总体标准差越大，抽样误差就越大； 3. 抽样方法的影响。不重复抽样可以避免极端样本出现，故抽样误差比重复抽样误差小； 4. 抽样方式的影响。抽样方式不同，抽样误差也就不同 10.1.5 点估计与区间估计 参数估计是指用样本统计量来估计总体参数。用取值区间表现的称为区间估计。 1．点估计：用点值表现估计结果。 点估计也叫定值估计，当样本容量足够大时，可直接用样本平均数代替总体平均数，用样本比率代替总体比率，并据此计算有关总量指标，就是点估计。 点估计的优点是简单方便，缺点是无法知道估计的准确程度有多大，误差可能有多大。 衡量一个样本统计量是否是总体参数的优良估计量的准则为： （1）无偏性。要求样本统计量的数学期望值等于被估计参数的本身。 （2）一致性。要求样本容量n充分大，样本统计量能靠近被估计参数的本身。 （3）有效性。要求样本统计量的方差比其他估计量的方差小。 2．区间估计：用取值区间表现估计结果。 区间估计是用样本统计量和抽样标准误差构成的区间来估计总体参数，并用一定的概率来保证总体参数落在所估计的区间内。例如，总体服从正态分布，样本容量n30，则总体平均数μ的置信区间为： 其中： Z为标准正态分布的一定置信概率条件下的概率保证程度（置信度）。 △称为极限误差，即 ， 为置信区间下限； 为置信区间上限。 称为抽样标准误差，是抽样方差 的平方根。 10.2 简单随机抽样 10.2.1 简单随机抽样的方法 简单随机抽样又称纯随机抽样，是指从总体的全部单位中按随机原则直接抽取n个单位组成样本进行调查。简单随机抽样只适用于总体单位数不多，总体单位标志变异度较小的情形。具体做法有以下三种： 1．信手抽取法。 2．抽签法。 3．随机数表法。 10.2.2 简单随机抽样标准误差 10.2.3 总体平均数的估计 需要指出的是，在参数估计时，总体方差往往是不知道的，则可用以往的、类似的、估计的总体方差代替，亦可用样本方差代替总体方差，只要样本容量n足够大(大样本)，