[数学]第三章 抽样与抽样分布.ppt

第 三 章 抽样与抽样分布 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 3.1 常用的抽样方法 3.2 抽样分布 3.3 中心极限定理的应用 抽样估计在统计方法中的地位 抽样的方式方法 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 特点 按一定的概率以随机原则抽取样本 抽取样本时使每个单位都有一定的机会被抽中 每个单位被抽中的概率是已知的，或是可以计算出来的 当用样本对总体目标量进行估计时，要考虑到每个样本单位被抽中的概率 抽样框与抽样单位 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 二阶抽样与多阶段抽样(twomulti-stage sampling) 将整个抽样过程分为两个或几个阶段，一个阶段一个阶段地将一种或多种抽样方式结合起来进行抽样的方式。 特点 适用于总体范围大，分布范围广，单位数目多； 许多全国性的大规模抽样都采用，便于组织 抽样方式灵活，有利于提高估计效率 实际上是多种方式的组合抽样 抽样分布的概念 抽样调查的必要性告诉人们，在许多情况下不必要或不可能进行全面调查，这时，要了解总体的情况，只能由样本统计量估计总体参数。 抽样分布的形成过程 (sampling distribution) 抽样分布 (sampling distribution) 1、抽样分布： 　 全部可能样本统计量的频率分布叫做抽样分布。 2、样本均值的抽样分布： 全部可能样本的平均数的概率分布。 3、样本成数（比例）的抽样分布： 全部可能样本的成数的概率分布。 抽样分布 (sampling distribution) 4、抽样分布的特征值 样本均值的抽样分布 全部可能样本的平均数的概率分布 注意： 1）在重复选取容量为n的样本时，由样本均值的所有可能取值形成的相对频数分布 2）一种理论概率分布 3）推断总体均值?的理论基础 样本均值的抽样分布(例题分析) 样本均值的抽样分布 (例题分析) 样本均值的抽样分布 (例题分析) 样本均值的分布与总体分布的比较 (例题分析) 样本均值抽样分布的形式 样本均值的抽样分布(数学期望与方差) 样本均值的数学期望 1.根据平均数的定义 2、在放回抽样条件下，各样本指标值相互独立，每个中选机会相等，概率均为１/N 样本均值的抽样分布(数学期望与方差) 样本均值的数学期望 样本均值的方差 重复抽样 不重复抽样 抽样分布与总体分布的关系 样本比率的抽样分布 当总体中各元素只能以“成功”和“失败”表示时，用P表示“成功”的比率，（1-P）表示“失败”的比率。 　　　适用于品质变量 比率（比例）(proportion) 总体(或样本)中具有某种属性的单位与全部单位总数之比 不同性别的人与全部人数之比 合格品(或不合格品) 与全部产品总数之比 总体比率可表示为 样本比率可表示为 样本比例的抽样分布 在重复选取容量为的样本时，由样本比例的所有可能取值形成的相对频数分布