抽样与抽样分配.PDF

抽樣與抽樣分配 統計推論的目的 • 建立估計值(統計值)及利用樣本資訊來檢 定母體的假設。 •因為在實際上，對母體內的所有個體或物 件進行測定或測試的，考量時間和成本的 不可行，因此抽取樣本進行調查，變成必 要的做法。 抽樣 • 抽樣的結果只是母體某些特徵值的估計值，我們 不可能期待樣本平均數恰巧正是母體平均數，理 由是 樣本只是母體的一部分。 • 透過適當的抽樣方法，抽樣結果可以提供對母體 特性的”良好 ”估計值，但估測的結果有多好，統 計方法可回答此問題。 Electronics Associates公司(EAI) 的抽樣問題 (1) • 2500位主管做為母體，從人事資料了解每個人的 年薪及受訓狀況。 – 母體平均數：μ =$51,800 – 母體標準差：σ=$4,000 •資料顯示 2500位主管中有 1500完成訓練課程，以p 代表完成課程的母體比例，p =1500/2500=0.60 。 Electronics Associates公司(EAI) 的抽樣問題 (2) • EAI公司如何利用樣本資料取得母體參數的估計 值，假設抽出30位主管作為樣本，希望樣本資料 可以提供母體的充分資訊，要如何抽出這 30位主 管 ? 簡單隨機抽樣 (Simple Random Sampling) (1) •簡單隨機抽樣樣本的定義和抽取程序視母 體為有限 (finite)或無限 (infinite)母體而定。 •簡單隨機樣本 (有限母體) –某一個大小為N的有限母體中，抽出樣本大小 為的簡單隨機樣本，意指大小為n 的每個可能n 樣本被抽出的機率皆相同。 • EAI的抽樣問題包含 2500為主管，屬於有限母體。 簡單隨機抽樣 (Simple Random Sampling) (2) • 不歸還抽樣(sampling without replacement) –選取樣本時，每個個體在樣本中只出現一次。 •歸還抽樣 (sampling with replacement) –選取樣本時，每個個體在樣本中出現兩次甚至更多。 •歸還抽樣雖然是簡單隨機抽樣的一個有效方法， 但大部分的人還是使用不歸還抽樣方式，因此 一般假設簡單隨機抽樣是以不歸還抽樣的方式 進行。 簡單隨機抽樣 (Simple Random Sampling) (3) •簡單隨機樣本 (無限母體) –從無限母體抽出一個簡單隨機樣本必須滿足下列條 件： • 每一個元素或個體( )皆抽自相同的母體。 • 每一個元素或個體( )皆可獨立抽出。 –例子： •速食店隨機選取顧客回答問題。 –強調每一個元素 或個體( )皆可獨立抽出的目的，是 為了要避免選擇偏差。 • 如何做到獨立? –確保任一個被選中的顧客，都不會影響下一個顧客是否被選 中。 – 以麥當勞為例：若有顧客使用折價卷，下個顧客就會被要求 填答問卷。 點估計 (Point Estimation) (1) • 樣本平均值( x是母體平均數) (μ的點估計量) (point estimator) 。 • 樣本標準差(s是母體平均數) (σ的點估計量。) • 樣本比例( p 是母體比例)