统计学抽样与抽样分布.PPT

2. 常用抽样分布 1) 设总体X~N( ,σ2)，则 (1) (2) ~N(0,1) 也即样本均值 的均值等于总体均值 ，而其方差仅为总体方差的 。这说明，样本容量越大， 就越向总体均值 集中，用 估计 的误差就越小。 * 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 简单随机抽样(simple random sampling) 从总体N个单位(元素)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 简单随机样本(simple random sample) 由简单随机抽样形成的样本 从总体N个单位中随机地抽取n个单位作为样本，使得每一个容量为n样本都有相同的机会(概率)被抽中 参数估计和假设检验所依据的主要是简单随机样本 分层抽样(stratified sampling) 又称类型抽样或分类抽样。 先对总体各单位按主要标志加以分组（层），然后再从各组（层）中按随机原则独立抽选一定单位构成样本。 分层抽样通过分类（组），把总体中标志值比较接近的单位归为一组，减少各组内的差异程度，这样再从各组抽取样本单位就更具有代表性，因而抽样误差也就相对缩小。 特别是在标志值相差悬殊时，由于划分了类型，一方面缩小了组内方差，另一方面也保证各组都能抽取一定的样本单位，所以，分层抽样较之纯随机抽样可以提高样本的代表性，能获得更为满意的效果 分层抽样(stratified sampling)续 优点： 除了可以对总体进行估计外，还可以对各层的子总体进行估计 可以按自然区域或行政区域进行分层，使抽样的组织和实施都比较方便 分层抽样的样本分布在各个层内，从而使样本在总体中的分布比较均匀 如果分层抽样做得好，便可以提高估计的精度 系统抽样(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：简便易行。可提高估计的精度 缺点：对估计量方差的估计比较困难 ?它是先将总体所有单位按某一标志顺序排列，然后按相等的距离抽取样本单位。 ?排列的标志可以是无关标志也可以是有关标志。 （1）无关标志，指和单位标志值的大小无关或不起主要的影响作用。 （2）有关标志，指作为排队顺序的标志和单位标志值的大小有密切的关系。 其中，按有关标志顺序排队，并将样本单位加以n等份后，对每一部分抽取一个样本单位有两种方法 半距中点取样 对称等距取样 ?应该指出的是，等距取样间隔的确定，要避免与想象中的周期性节奏重合，引起系统误差的影响。 * 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 多阶段抽样(multi-stage sampling) 先抽取群，但并不是调查群内的所有单位，而是再进行一步抽样，从选中的群中抽取出若干个单位进行调查 群是初级抽样单位，第二阶段抽取的是最终抽样单位。将该方法推广，使抽样的段数增多，就称为多阶段抽样 具有整群抽样的优点，保证样本相对集中，节约调查费用 需要包含所有低阶段抽样单位的抽样框；同时由于实行了再抽样，使调查单位在更广泛的范围内展开 在大规模的抽样调查中，经常被采用的方法 概率抽样（小结） 抽样方法 特点 简单随机抽样 按照等概率的原则，直接从含有N个元素的总体中抽取n个元素组成的样本（Nn） 分层抽样 把异质性较强的总体分成一个个同质性较强的子总体，再抽取不同的子总体中的样本分别代表该子总体，所有的样本进而代表总体。 等距抽样 把总体的单位进行排序，然后按照固定的抽样距离抽取样本。第一个样本采用简单随机抽样的办法抽取。 整群抽样 抽样的单位不是单个的个体，而