第3章 抽样及抽样分布.ppt

第 4 章 抽样与抽样分布 4.1 常用的抽样方法 4.2 抽样分布 4.3 中心极限定理的应用 学习目标 了解抽样的概率抽样方法 理解抽样分布的意义 了解抽样分布的形成过程 理解中心极限定理 理解抽样分布的性质 统计推断的过程 统计抽样中的基本概念 ?总体(Population)： 调查研究的事物或现象的全体 ?个体(Item unit)： 组成总体的每个元素 ?样本(Sample)： 从总体中所抽取的部分个体 ?样本容量(Sample size)： 样本中所含个体的数 两个重要概念 ?总体参数(Parameter)： 总体的数字特征。 如：总体均值、总体成数、总体方差等 ?样本统计量(Statistic)： 样本的概括性测度值，它是样本的函数，该函数不 含任何未知参数。 如：样本均值、样本成数、样本方差等 参数是固定的，而统计量却是随着样本发生变化 标准记号 总体和样本之间的关系 抽样方法 概率抽样(probability sampling) 根据一个已知的概率来抽取样本单位，也称随机抽样 优点： 避免主观选样带来的倾向性误差 方便人们计算和控制抽样误差 非概率抽样的优缺点 又叫非随机抽样，不是完全按随机原则选取样本 类别： 重点调查、典型调查、判断抽样、方便抽样等 优点：方便人们及时了解总体的有关情况 缺点：抽样效果取决于调查者的经验、能力等，容易出现倾向性误差，并且此误差是无法控制的。 简单随机抽样(simple random sampling) 从总体N个单位中随机地抽取n个单位作为样本，使得每一个容量为样本都有相同的机会(概率)被抽中 抽取元素的具体方法有重复抽样和不重复抽样 特点 简单、直观，在抽样框完整时，可直接从中抽取样本 用样本统计量对目标量进行估计比较方便 局限性 当N很大时，不易构造抽样框 抽出的单位很分散，给实施调查增加了困难 没有利用其他辅助信息以提高估计的效率 分层抽样(stratified sampling) 将总体单位按某种特征或某种规则划分为不同的层，然后从不同的层中独立、随机地抽取样本 优点 保证样本的结构与总体的结构比较相近，从而提高估计的精度 组织实施调查方便 既可以对总体参数进行估计，也可以对各层的目标量进行估计 系统抽样(systematic sampling) 将总体中的所有单位(抽样单位)按一定顺序排列，在规定的范围内随机地抽取一个单位作为初始单位，然后按事先规定好的规则确定其他样本单位 先从数字1到k之间随机抽取一个数字r作为初始单位，以后依次取r+k，r+2k…等单位 优点：操作简便，可提高估计的精度 缺点：对估计量方差的估计比较困难 整群抽样(cluster sampling) 将总体中若干个单位合并为组(群),抽样时直接抽取群，然后对中选群中的所有单位全部实施调查 特点 抽样时只需群的抽样框，可简化工作量 调查的地点相对集中，节省调查费用，方便调查的实施 缺点是估计的精度较差 ４.２.１三种分布 总体的分布——研究对象本身的分布形态 样本的分布——某一个样本数据的分布形态 抽样分布——样本统计量服从的分布（如样本均值、样本成数、样本方差的抽样分布等），是一种理论概率分布 １、什么是抽样分布？ 按照简单随机抽样方法，从个数为N的总体中抽取容量为n的样本，有两种抽法： A、放回抽样：样本个数为 B、不放回抽样：样本个数为 每一个可能的样本都有一个对应的均值和标准差，那么所有的样本均值的分布就是样本均值的抽样分布，所有可能样本的标准差的分布就是样本标准差的抽样分布。 抽样分布 (sampling distribution) 样本统计量的概率分布，是一种理论分布 在重复选取容量为n的样本时，由该统计量的所有可能取值形成的相对频数分布 随机变量是 样本统计量 样本均值, 样本比例，样本方差等 结果来自容量相同的所有可能样本 提供了样本统计量长远而稳定的信息，是进行推断的理论基础，也是抽样推断科学性的重要依据 ２、为什么要研究抽样分布? 思考： 1、什么是抽样误差？ 2、如何度量抽样误差？ 误差的种类 误差：调查所得结果与总体真实数值之间的差异. 误差分为: 1、非抽样误差(包括登记性误差和系统误差) ２、抽样误差又叫随机误差，即由于抽样的随机性而产生的样本统计量与总体参数之间的代表性误差。 抽样误差的度量 对抽样误差公式的分析 实际上，上述抽样误差的度量是一种理想状