统计学第6章抽样基础.ppt

第 6 章 抽样基础 第 6 章 抽样基础 §6.1 抽样推断概述 §6.2 概率基础知识 §6.3 抽样分布 §6.4 抽样误差 §6.5 抽样设计 §6.1 抽样推断基本概念 一、抽样推断的定义 二、总体和样本 三、总体参数和样本统计量 四、重复抽样和不重复抽样 五、样本容量和样本数目 六、抽样框 七、抽样误差 一、抽样推断 1、抽样是根据随机原则从调查总体中抽取部分单位进行观察，并根据其结果推断总体数量特征的一种非全面调查方式。 按随机原则抽样总体。保证了样本的代表性 以样本估计总体。 具有准确的估计区间和可靠性 2、抽样调查作用 在实际中，抽样调查应用非常广泛： 适用于某些不必采用全面调查的现象。 例如：市场购买力调查、人口流量调查、客户满意度调查 适用于某些有破坏性的调查。如：工业产品质量调查 对全面调查资料进行复核。如：人口普查之后的抽样调查 对要求资料信息及时性很强的现象进行调查。 如：产品验收检查、商品社会需求量调查 统计推断过程 二、总体和样本 总体与总体参数 总体唯一性,不可知性 总体单位数目用 N 总体参数是研究者想要了解的总体的某种特征值,有均值(?)、标准差(?)、总体比例(P)等,是常数 样本与统计量 从总体中抽取的一部分元素的集合 构成样本的元素 (个体) 的数目称为样本容量,用 n 样本的随机性不确定性 样本统计量有样本均值(?x)、标准差(s)、比例(p)等,根据样本数据计算出来的一个量,是随机变量 三、总体参数和样本统计量 平均数： 四、重复抽样和不重复抽样 根据抽样的方法分为 1、重复（置）抽样：从总体中随机抽取一个单位后，把他放回去，再从总体中抽选。 每一次抽选同一单位有被重复抽中的可能 2、不重复（置）抽样：对已经抽取出来的样本单位不再放回去，而从剩余的总体单位中抽选。 同一单位不会有被重复抽中。 五、样本容量与样本数目 1、样本容量（n ) ：一个样本中所包含的个别单位数目 如：在研究居民消费水平时，随机抽取2000户来进行调查，这2000户就构成一个样本，样本容量=2000 n 30称大样本， n 30称小样本 2、样本数目：从总体中可获得的具有相同容量的样本的数量（M )。与抽样的方法有关 重复抽样 不重复抽样 六、抽样框 抽样框—包括全部抽样单位的名单框架。 编制抽样框是实施抽样的基础，抽样框的好坏会直接影响抽样调查的随机性和调查的效果 抽样框应包括总体的全部单位 抽样框主要有三种：名单抽样框，如职工名单、企业名单 区域抽样框、如，居民住房情况调查，全市居民户伐分为若干街道 时间表抽样框，如流水线上产品质量调查 抽样单位可以是各个总体单位，也可以是若干总体单位的集合 抽样实践中，抽样框与目标总体有时会不完全一致 §6.2 概率基础知识 人们在生活、学习和工作中经常要对某些不确定的未来情况作判断，例如： 假如产品销售价提高，销售量减少的“可能性”有多大？ 使用新的生产线后，产量增加的“机会”有多少？ 使用新工艺后，产品质量提高的“可能性”有多大？ 新投入的资金获利的“希望性”有多少？ 新产品上市，顾客购买新产品的的“可能性”有多少？ 处理上述不确定情况的最有效方法是概率或几率。 概率知识 概率（P ）---某一特定事件将会发生的可能性。 0≤ P ≤1 经验概率 建立在实际观察值基础上的概率 理论概率 建立在假设模型基础上的概率 主观概率 凭人们的实际感觉对某一事件的可能 性作出预测 概率法则为统计推断提供了基础。统计的应用是与概 率紧密结合在一起的。每当从部分样本中对全部总体 作出推断时，就必须用概率语言来表达。 【案例6.1】 【例6.1】 采用新工艺后，随机抽取了500只电子小器具进行检验，有4只是不合格的，因此我们预计，采用新工艺后产品不合格率小于1%。 概率（P ）就是预期该事件出现的频率 频率—事件的过程；概率—事件的结果 【案例6.2】 一位投资顾问说，如果A国政府变更，那么 石油价格将上涨的概率为90%。 这只是主观概率，是一种个人的“可相信的程度”概率越接近100%，你就越确信该事件将发生。当然在为什么是正确概率的观念辩护方面，或在让人同意你的直觉并拿出钱来投资方面，需花去大量的精力。 主观概率的估计是在实际事件还没出现以前，没有历史数据作参考 【案例6.3】 1990年夏，大众汽车公司宣布它不久将对它的“帕萨特”轿车提供退还购车款的承诺：“在美国，购买者可以在三个月或者行驶3,000英里以内，在不问（或几乎不问）任何问题的