统计导论introduction.pptVIP

系統抽樣法 可將全班同學以座號為編號1到49號，首先抽出一個1到7的種子號碼設為x，則依序決定號碼為x+7, x+14,…., x+42，再求此7位同學的平均身高。 系統抽樣法基本上是只做一次隨機抽樣後，就依固定間隔抽出一樣本。系統抽樣法的優點是抽樣者只需抽出一個種子號碼，即可依固定間隔決定所有樣本數，較簡單隨機抽樣法方便。但若資料的排序是依某種特性而非隨機時，所抽出的資料可能無法代表母體，而會有所偏差。 本題如果座位安排是依第一列1到7號，第二列8到14號等，則當種子號碼是“ 3”時表示抽到的7位學生都是第三行。 分層隨機抽樣法 可依照座位以列做分層(因同一列身高很接近)，再由每列中隨機抽出一位，如第一列抽出5號，第二列抽出9號等等，共7位同學，再求此7位的平均身高。 如以列做分層，因層內身高很接近，從中抽一人，這一層必有一代表在內，因此以此例而言，分層隨機抽樣法比簡單隨機抽樣法要來得好，因它抽到的樣本比較有代表性，較不會偏於一方。 部落抽樣法 因為一行內有矮的同學也有高的同學，行內身高分散大，因此以行做部落是可行的方案，部落分好後，隨機抽出一部落，進行普查，得到7位同學身高資料，求得平均身高。在此問題以行當落的結果與系統抽樣法有相同的答案。 較佳抽樣方法 本題以分層隨機抽樣法較佳，因為採部落抽樣法(系統抽樣法也一樣)如抽到第一行，則算出的樣本(7位同學)平均身高比母體(49位同學)的平均身高有偏低的現象，反之如抽到第7行，則有偏高的現象，而分層隨機抽樣法較能避免偏於一方。 樣本數的大小的決定 每一個研究主題對誤差大小有不同的要求，主要看研究目的及誤差大小對決策的影響。一般誤差愈小則取樣樣本數就要愈大，但是相對的時間、成本也增加，如何在精確與成本間取得平衡，有待決策者仔細考量。 統計分類 敘述統計(descriptive statistics)： 「整理和呈現數據」的部份叫做敘述統計。 推論統計(inferential statistics)： 只要牽涉到任何的「推論」，不管是從小推大，或是從現在推將來，就屬於推論統計的範圍了，「從樣本推母體」亦屬於這一類。 參數 參數(Parameter)是研究者想了解的母體某特性值，通常我們關心的參數有母體平均數、標準差或最大值等。 品管人員想知道某生產線其產品不良率是多少，則不良率(事實上是所有產品中不良品所占的百分比)就是參數，一般參數是未知的定數。 生態保護學者認為南極藍鯨存量已瀕臨絕種，他們想知道現在存量是多少，則藍鯨存量就是參數。 參數它在某個時段是一定數，但很可能誰也不知道它是多少，它也許永遠是個謎。 統計量 統計量(Statistics)是由抽樣樣本所計算出的一個量(或一組量)，用來對母體參數做推論。如做為參數估計用的統計量就稱為估計量(Estimator)。 母體平均數μ的估計量最常用的是樣本平均數 。 母體不良率p的估計量最常用的是樣本不良率 (讀做p-hat)。 例、若從生產線上隨機抽出30件產品，有3件不良品，則估計的不良率 ，它與真正的參數p=0.12相差是0.12 -0.1=0.02，這個0.02數值就稱為估計誤差(Estimate Error)，好的統計方法(包括抽樣與分析)就是想辦法使估計誤差愈小愈好。 統計推論 統計推論(Statistical inference)是由一組樣本資料算出統計量以便對母體的參數做評估。一般統計推論包括估計(Estimation)、預測(Prediction)及檢定(Testing)。 統計方法的實施步驟 確定問題 首先必須確定問題之所在，及研究分析的目的、對象與範圍 蒐集資料 針對研究對象、目的進行資料蒐集。在蒐集時應考慮是否有現成合用的資料，蒐集的成本費用如何，蒐集的方式，資料涵蓋的範圍等 審查整理呈現資料 蒐集到的資料應先審核是否完整、正確、合理與一致，然後利用敘述統計學所介紹的方法進行分類整理，並以文字圖形表格的方式將所獲得的結果呈現出來 分析解釋資料 根據整理的結果加以分析研究，探討各數值間的相互關係並加以比較 統計推論 根據步驟所得的結果，來推論母體參數並下結論或做建議 常見的統計套裝軟體 Excel (Microsoft) SPSS -- Statistical Package for Social Science SAS Minitab Splus Matlab --- Statistics toobox Statistica * 實用統計學 第一章 統計導論(Introduction) 統計學定義 統計(Statistics)是研究不確定現象的科學方法，經由統計資料之搜集，整理、分析及解釋。再透過機率理論建立，描述此不確定現象之適當模型，然後搜集樣