第3章 抽样与抽样估计.ppt

第 3 章 抽样与抽样估计 3.1 常用的抽样方法 3.2 抽样分布与中心极限定理 3.3 参数估计的一般问题 3.4 一个总体参数的区间估计 3.5 样本容量的确定 学习目标 了解常用的概率抽样方法 理解抽样分布的意义 理解中心极限定理 估计量与估计值的概念 点估计与区间估计的区别 一个总体参数的区间估计方法 样本容量的确定 抽样方法 概率抽样(probability sampling) 根据一个已知的概率来抽取样本单位，也称随机抽样 特点 按一定的概率以随机原则抽取样本 抽取样本时使每个单位都有一定的机会被抽中 每个单位被抽中的概率是已知的，或是可以计算出来的 当用样本对总体目标量进行估计时，要考虑到每个样本单位被抽中的概率 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，使每一个容量为n样本都有相同的机会(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 重复抽样和不重复抽样 重复抽样，也叫回置抽样，是指从总体的Ｎ个单位中抽取一个容量为n的样本，每次抽出一个单位后，再将其放回总体中参加下一次抽取，这样连续抽n次即得到一个样本。 同一总体单位有可能被重复抽中； 每次都是从Ｎ个总体单位中抽取； ｎ次抽取就是ｎ次相互独立的随机试验。 不重复抽样，也叫不回置抽样，是指抽中单位不再放回总体中，下一个样本单位只能从余下的总体单位中抽取。 同一总体单位不可能被重复抽中. 每次抽取是在不同数目的总体单位中进行的 ｎ次抽取可看作是ｎ次互不独立的随机试验。 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 系统抽样(等距抽样)(systematic sampling) 将总体中的所有单位(抽样单位)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 缺点：对估计量方差的估计比较困难 整群抽样(cluster sampling) 将总体中若干个单位合并为组(群),抽样时直接抽取群，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 缺点是估计的精度较差 抽样分布的概念 抽样分布 (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) 样本均值的抽样分布 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 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) 中心极限定理 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) 样本均值的抽样分布(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(数学期望与方差) 样本比例的抽样分布 比例(proportion) 总体(或样本)中具有某种属性的单位与全部单位总数之比 不同性别的人与全部人数之比 合格品(或不合格品) 与全部产品总数之比 总体比例可表示为 样本比例可表示为 样本比例的抽样分布 在重复选取容量为n的样本时，由样本比例的所有可能取值形成的相对频数分布 一种理论概率分布 当样本容量很大时，样本比例的抽样分布可用正态分布近似 推断总体比例?