抽样与母群体(Samples.pptVIP

* * * * * * * * * * * * * * Confidence intervals for the mean with known population variance 一般所謂95%的信賴區間估計，乃是表示重複抽取樣本數為n的所有可能樣本所建立的全部區間估計中，有95%的區間將會包含真正的母體平均數，而僅有5%沒有包含母體平均數。 但實際上我們通常僅抽取一個樣本，且u通常為未知，因此無法確切知道此樣本是否包含u，但我們可以說此區間有95%的機率會包含u. μ 母體參數： Mean = μ Variance =σ2 每個區間= t 分配 倘若我們更現實地思考，則我們知道母群體中變數的標準差(σ)但卻不知道且須推估母群體的平均數(μ)，這是沒有多大意義的。因為僅有非常少數的情況下，母群體的標準差(且因此平均數的標準誤 )是已知的。通常，我們不僅需要從一個樣本來推估母群體的平均數，同時也需要從相同的樣本來推估標準誤。 在此一母群體的變異數或標準差未知的情況下，我們可以利用從樣本所得到的相關統計值來加以估計。惟此時不再使用 z，而是使用 t。 Characteristics of t distribution t分配是一群機率分配的組合，不同自由度對應不同的t distribution的密度函數，由於變異數較標準常態分配大，所以形狀較為矮胖。 Standard normal (d.f.=?) d.f. =4 d.f. =2 d.f. =1 兩種信賴區間的比較 由t值所建構出的CI的區間比由Z-score所建構出的CI區間要寬，因為母體的變異數必須估計，誤差較大。 樣本數愈大，CI的寬度愈小。因為(1) n在分母 (2) t值隨著degree of freedom的增加而減小。 觀念 兩種信賴區間的比較 CI隨著d.f.增加而減小的情形： 觀念 當d.f. 大於30時，用t值所計算的CI與用標準常態分配所計算出的CI幾乎相同。 * * * * * * * * * * * * * * * * * * * * * * * * 抽樣與母群體(Samples and Populations) 各種抽樣方法 抽樣誤差 平均數抽樣分配 平均數抽樣誤差 信賴區間 t 分配 推估各種比例 摘要 前言 因為社會研究者是在有限的時間、精力、及經濟資源的狀況下來進行研究，她/他們極少能夠研究一個既存母群體內的每一個成員。取而代之的，她/他們僅能研究樣本－此一母群體中較少數目的個體(人)。經由抽樣過程，社會研究者尋求從一個樣本(一個小群體)通則化(或概化)到整個母群體－從這裏，樣本被抽取出來－(一個大群體)。 隨機抽樣與非隨機抽樣 社會研究者採取的抽樣方法，比起日常生活中所使用的抽樣方法，往往考慮更為周詳且較具科學性。她/他們主要關切樣本對於整個母群體而言是否具有足夠的代表性，並得以對母群體作出各種精確的通則。為了此類推論，研究者根據母群體中的任一成員是否具有同等機會被抽取出來，以選取一種適當的抽樣方法。倘若任何母群體成員均具有一種抽樣選擇的同等機會，即是使用一種隨機抽樣方法；否則，就是運用非隨機抽樣方法。 各種抽樣方法(Sampling Methods) 非隨機抽樣法(Nonrandom Samples) 偶遇抽樣(accidental sampling) 定額抽樣(quota sampling) 判斷或立意抽樣(judgment or purposive sampling) 隨機抽樣法 簡單隨機抽樣(simple random sampling) 系統抽樣(systematic sampling) 分層抽樣(stratified sampling) 結叢或多階段抽樣(cluster or multistage sampling) 偶遇抽樣 偶遇抽樣法乃是最普遍使用的非隨機抽樣法，與我們日常生活中的抽樣程序較沒有差異，因為此種抽樣方法完全建立在對於研究者來說，是否便利的想法之上。換言之，研究者僅僅包含最便利取得的個案在她/他的樣本裏，並排除所有不方便取得的樣本。 定額抽樣 另外一種非隨機抽樣類型為定額抽樣法。在此一抽樣程序中，一個母群體的不同分類特徵，諸如年齡、性別、社會階級、或族群等，依比例被抽取出來－根據它們在此一母群體中所佔的比例。 雖然性別或許在樣本中具有適當的代表性，但是其它的分類特徵－如年齡或種族－則沒有被顧及。定額抽樣法的不當之處在於其對於各種因素控制的缺乏更甚於對於這些因素的定額設定。 判斷或立意抽樣 第三種非隨機抽樣法為判斷或立意抽樣法。在此種抽樣類型中，邏輯、常識、或感覺判斷被用來選擇一個樣本，其代表一個較大的母群體。 隨機抽樣三個原則 隨機抽樣包含下列三個原則： 母體中的每一個成員都