样本平均数的抽样分配.ppt

母體 vs. 樣本 母體：研究某一自然現象或是社會問題，調查研究的全體對象 樣本：從母體中抽取的部分元素的集合 為何抽樣方法很重要？1/2 若患者等候時間為某醫院的經營效率的評估項目之一，因為等候時間過長，病患會因不耐煩而離去，門診收入會大減，因此，醫院的管理者希望能研究分析病患的等候時間的分配狀況。若母體分配應該如下圖，但醫院中無人能收集齊全所有病患候診的資料，故僅能抽樣分析 為何抽樣方法很重要？2/2 此為第1組樣本： 抽樣的重要性 統計推論係利用樣本統計量去推論母體的特質，而樣本是否具有代表性，會受到抽樣方法的影響，因此抽樣方法非常重要。 好的抽樣法，能將抽樣誤差降至最低，機率抽樣法純粹依照機率來抽取樣本，又稱隨機抽樣(random sampling)，所得的樣本稱為隨機樣本。 非機率抽樣按個人偏好、判斷來選樣本，所選之樣本又稱非隨機樣本。 機率抽樣比較客觀，而非機率抽樣比較主觀。 樣本（估計）誤差 抽樣誤差(sampling error)：樣本統計量與母體參數間的差異，此差異來自抽樣過程的機遇(chance)、抽樣方法、推論方法之不同所致。 - 若因「機遇」所致的誤差，可藉著增加樣本數來降低此類誤差。 - 不同抽樣法、不同推論法的誤差皆有所不同，必須想法找出使誤差最小的統計方法。 非抽樣誤差(nonsampling error)：主要來自調查時的執行、事後記錄、整理資料時所發生的錯誤。 - 此誤差無法估計，僅能藉著妥善規劃與嚴格審查來降低此類誤差。 抽樣方法 非機率抽樣法： 1. 判斷抽樣法：依據研究人員的專長、知識、與目的來選取樣本，又稱為目的抽樣法。如：核廢料處理問題的民間意見調查，可選對此有專業知識者做訪問調查，調查結果對核廢料處理政策的判斷，比對一般民眾訪查更有參考性，然而，此抽樣法相當主觀，受個人好惡（或意識型態）影響，恐易產生偏誤結果。 2. 方便抽樣法：以現有、方便的方式取得樣本，如：站在街頭發問卷、到商場發問卷來作市調，民調。此樣本不具代表性。 ─ 除非特殊原因，非機率抽樣法缺乏客觀、科學根據，不易判斷其代表性，最好不採用。 機率抽樣法： 乃依據一個已知的機率去抽取樣本，可根據此機率來探討樣本特性，並推論其抽樣誤差。 抽樣的基本概念 隨機性的條件 母體中的任一元素(element)皆有被抽出的可能。 任一組樣本被抽出的機率皆為已知的(或可加以計算)。 各組樣本被抽出的過程是獨立的。 系統抽樣 Systematic Random Sampling 系統抽樣法是自母體自然隨機排列的資料中，每隔一定間隔(k)選取一個樣本，直到抽滿 n 個樣本為止。 為何使用系統抽樣法？ 簡單隨機抽樣雖好（具代表性），但有時不適用 商場、百貨公司、大賣場、超市等想抽樣調查顧客意見與滿意度，公司沒有完整確定的顧客名單，無法隨機抽樣調查。 例如：某大賣場抽100個顧客調查其留在店中的時間長短，週一到週四（每天抽25人），每天有4個時段（8AM, 11AM, 4PM, 7PM)，可將4天放一盒，4時段放另一盒，抽出哪一天，要在那個時段，做隨機抽樣，若週一抽中4PM做抽樣調查，接著由1到10中隨機選起始值，若為6，則週一4PM開始，第6個顧客是第一個樣本，然後k =10，第16, 26,…個顧客就是樣本，直到抽滿25人為止。（然後派人留意該顧客留在店中的時間長短，做出記錄） 所以，此處用簡單隨機抽樣選出：天、時段、起始點（顧客） 而系統抽樣則被用來抽出實際樣本（顧客） 分層抽樣Stratified Random Sampling 分層抽樣是將母體依其特性或依與調查目的有關的性質分成幾個類別或組別，母體中的每一個個體或元素都屬於其中的一層，而且是唯一的一層。分層之後再從各層中簡單隨機抽取樣本，各層的抽樣數乃按照各層佔母體總數的比例來抽取。 為何分層抽樣？ 若樣本容易區分成不同類別 若某些類別（特性）佔總母體比例相當低，則若採用簡單隨機抽樣，某種特性有可能很難被抽中，即使簡單隨機抽樣對母體具代表性，但樣本趨於代表majority，而非全部母體。用分層抽樣則能保證此minority也能被抽到樣本中 見下例 (p. 253) 部落抽樣法 Cluster Sampling 若母體自然形成不同群組（如：地理位置），也可將大區分成小區（如：州內區分不同郡縣，又稱 primary units） 部落抽樣是將母體中相鄰的某些群體劃分為 n 個不同的部落(cluster)，母體中的每一個元素均屬於其中的一個部落，且是唯一的一個部落。然後再從這些部落中隨機抽取部落，並對抽出的部落進行普查的抽樣方法（全部放入樣本中），又稱集團抽樣。 或先隨機抽出部落，再由抽中的部落中隨機抽樣 抽樣誤差：範例 p. 256 S