抽样sampling.docVIP

抽样(sampling) 概述 抽样就是从较大的总体中选出一些样本，以便进行提问、调查和检测等工作，最后归纳出关于总体的结论。 适用场合 ·当需要获得关于总体的一些结论时； ·当考察总体需要很高的成本，存在一定困难，或占用大量的时间时； 例如： ·当在产品生产过程中或完成之后监测产品质量时； ·当审查文档与生产过程的一致性时； ·当收集员工或顾客的偏好或反馈时； ·当在大范围生产测试新产品时。 实施步骤 如果是刚接触抽样的方法，可以先查看下页的重要定义，给出了抽样方法的一些相关概念的解释，然后再回到抽样的实施步骤： 1确定研究的总体，提出抽样的计划。 2允许的极限误差以及置信水平，具体使用数据的相关人员应该参与设定。 3选择抽样的方法和样本容量n，要在成本和精度的要求之间作出权衡。可以在互联网上完成简单随机抽样的样本容量的计算。对于其他的抽样方法，请统计学 家帮助确定合适的样本容量。 4将抽样的计划文档化。包括何时以及如何进行抽样。如果是持续的抽样过程，准备类似核算单形式的工具协助进行抽样。 5实施抽样。 示例 案例是描述各种抽样方法的最好方式。假设一个公司希望对遍布在世界各地的10458名员工进行一次调查。员工集体就是研究的总体，项目小组已经确定了要提问的问题，然后他们聚集到一起计划采取的抽样方法。 简单随机抽样(Simple Random Sample)。冈·侯(Gung Ho)发起了讨论：“我已经利用互联网的样本容量计算器计算出，对于误差范围为5，置信区间为95%的指标，我们需要371个样本。我们可以再利用互联网的随机数生成器在1～10458之间随机的产生371个数字，并且已经给每个员工分配了一个惟一的数字，这样拥有那些数字的员工就形成了样本。” 系统抽样(Systematic Sample)。艾玛·辛克尔(Ima Thinker)说：“员工名单是把不同地区、不同部门、不同性别的员工完全随机排序形成的。我们为什么不这样做：随机地取一个起始点，可以投骰子决定，如出现的是4点，我们就从名单的上第4个开始，每隔28人抽取一个样本，因为10458被371除等于28。” 　方便抽样(Convenience Sample)。曼尼·玛尼柏格斯(Manny Moneybags)说：“为什么要浪费时间，我们这幢大楼里就不止371名员工，只要对每个人进行凋查，今天下午就能得到我们需要的答案。”幸运的是，工作组的其他成员指出并说服了他，因为只有完全随机抽取的371个样本才是有效的。而且即使调查了这幢大楼里的所有员工，得到的样本也,不能代表所有的员工。（曼尼·玛尼柏格斯曾经领导开展了一次顾客调查，只调查了打进呼叫中心电话的前10名顾客。在这个存在偏倚的方便样本中，东海岸地区的顾客以及早起的人占据了过大的比重，而完全忽略了互联网上的用户。) 整群抽样(Cluster Sample)。维拉·普拉克提克(Vera Practical)说：“你还是没有完全明白抽样。使用你所说的方法，固然可以减少访谈员的旅费，但我们想要获得更多、更好的信息必须由经过培训的访谈员作面对面的访谈调查。我有一个主意：将所在的每个地区看作一个群，从24个群中随机选取几个，然后在这些地区群中随机抽样。虽然需要的样本容量更大了，但是由于节省了旅费总成本反而降低了。可以请统计学家帮助确定样本的容量。” 分层抽样( Proportional Stratified Sample)。威尔·普莱危(Will Prevail)大声地说道：样本必须来自不同经历的人群，从而确保获得的是具有代表性的反馈。简单随机抽样和系统抽样都不是最直接的方法，分群的抽样也不能达到要求。应该将全部员工分成四组：5年以下工作经验的员工；5～10年工作经验的；10～20年工作经爱的；20年以上工作经验的。从每组中按相同比例随机抽取样本。由统计学家确定样本容量，不能少于371。而且，维拉·玛丽(Vera Marie)，我们也可以使用电话访谈；” 重要定义 总体(population or universe)——研究的个体或项目的全体。 抽样范围(sampling frame)——用来代表总体的列表，样本要在该总体中抽取。 样本( sample)——从总体中抽取的包含相对较少的个体或项目的集合。 抽样( sample)——从总体中抽取一组个体或信息以进行分析、检验。 随机样本( random sample)——使用让每个个体都有同等的机会被抽到的方法获得的样本。 典型样本(representative sample)