第三章++抽样分布和估计.pptVIP

第 3章 抽样分布和估计 3.1 常用的抽样方法 3.2 抽样分布（一） （一个总体参数推断时样本统计量的抽样分布） 3.3 抽样分布（二） （两个总体参数推断时样本统计量的抽样分布） 3.4 中心极限定理的应用 3.5 参数估计 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 掌握抽样估计方法 抽样方法 一、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，使得总体中每一个元素都有相同的机会 (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 二、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 三、系统抽样(systematic sampling) 将总体中的各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 四、整群抽样(cluster sampling) 先将总体划分为若干个群，然后再以群作为调查单位从中抽取部分群，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 当群为总体的一个缩影时，抽样估计误差小，否则误差较大。 非概率抽样方法 （一）方便抽样 方便抽样（Convenient Sampling）又称偶遇抽样，是根据调查者的方便与否来抽取样本的一种抽样方法。 通常，回答者之所以被选中，只是因为他们当时碰巧在调研现场。 由于对调查条件要求较低，在操作时的难度更小。 最大的问题在于受访者的选择是随意的，很容易发生偏差。 （二）判断抽样 判断抽样（Judgment Sampling）又称目的抽样，它是凭研究人员的主观意愿、经验和知识，从总体中选择具有典型代表性的样本作为调查对象的一种抽样方法。 选取样本单位方法 ： 1. 选择最能代表普遍情况的调查对象 。 2. 利用调查总体的全面统计资料 。 广泛应用于商业领域的市场调研中 ，特别是在样本量小及样本不易分门别类挑选时有较大优越性。 （三）配额抽样 配额抽样（Quota Sampling）类似随机抽样中的分层抽样，它也是首先将总体中的所有单位按一定的标志分为苦干类（组），然后在每个类（组）中用方便抽样或判断抽样的方法选取样本单位。 分类： 1. 独立控制配额抽样。 2. 交叉控制配额抽样。 （四）滚雪球抽样 滚雪球抽样（Snowball Sampling）是一种在稀疏总体中寻找受访者的抽样方法。 滚雪球抽样的主要目的：估计在总体中十分稀有的人物特征。 优点：便于有针对性地找到被调查者。 局限性：要求样本单位之间必须有一定的联系，并且愿意保持和提供这种关系 。 一、抽样分布的概念 (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 抽样分布的形成过程 (sampling distribution) 二、样本均值的抽样分布 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 一种理论概率分布 推断总体均值?的理论基础 1、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) 2、样本均值的抽样分布 与中心极限定理 中心极限定理(central limit theorem) 中心极限定理 (central limit theorem) 3、样本均值抽样分布的数学特征(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 样本均值的抽样分布