理论统计学课件-抽样初步.pptVIP

* 2.3.2 人为选择导致有偏 上述两种抽样方法之所以有偏，是因为其中加入了人为选择 (human choice) 方便样本：加入了取样者的偏好 自愿回应样本：加入了被取样者的意志 统计学家开出的纠偏处方：让不具有人意的机会(impersonal chance) 来选择样本—— * 练习：面粉公司的抽样调查 某国外面粉公司想了解多少比例的住户自行在家烘焙面包。该公司选择了M市500家住户的样本，并派出调查员上门访问。调查员只在正常工作时间上门拜访。问： 该样本是否有偏？为什么？ * 练习：即刻意见调查 某网站进行即时意见调查。该网站提出问题，有“Yes”、“No”和“Not sure”三项选择。一天，问题是“女运动员和男运动员是否应该同工同酬？”在接到的回答中，有13147（44%）表示同意，15182（50%）表示不同意，剩下的1448个（6%）说不知道，问： 此调查的样本多大？ 此样本比一般抽样调查的样本大了许多。即便如此，我们还是不认为，该结果提供了关于任何明确定义的总体的有用信息。为什么？ 上网的人，目前仍然是男性比女性多，这件事对调查结果会有何影响？ * 练习：你来决定！ 《今日美国》（USA Today）在报纸上登广告调查：对手枪的管制是否应该更严格？ 若赞成，打900-720-6181 若反对，打900-720-6182 （头一分钟收费50美分） 请解释为什么这个民意调查的结果一定有偏？ * 练习：自己设计坏样本 你读的大学想要搜集同学们对于食堂饭菜质量的意见，但不可能实际去问每一个学生的意见。 举出一个坏的抽样方法，该方法依赖自愿回应 另举一个坏的抽样方法，该方法不用自愿回应 * 2.3.3 简单随机抽样Simple random sampling 用机会选出的样本， 是让每个个体都有同样的中选机会来消除人为偏向，其中最简单的办法如抽签选代表 ： 从全班50人中选5人做9.8志愿者，由于人人争先而又名额有限： 将50个名字分别写在同样大小的纸条上，放入盒中摇匀(总体)；从中抽出5张，就得到一个简单随机样本：不仅每个人中选机会相同，且每个可能的样本（任5张）被抽中的机会，都相同 该方法选出的样本不加入“人意”——无取样者的个人偏好、也无回应者的主动加入；而是“天意”——不论男/女生、班干/普通同学、团/非团员、 “乖”/“怪”学生……， 人人被选进样本的机会相等 * 简单随机样本Simple Random Sample, SRS 大小为n的简单随机样本是一个有n个个体的样本，其选取的方法，是使得总体中任一组n个个体，都有相等的中选机会（A simple random sample of size n is a sample of n units chosen in such a way that every collection of n units form the population has the same chance of being chosen） * 至少方法是公平的 上述定义并未描述某一具体样本，而是描述选择样本的方法——一种使任一大小为n的可能样本，都有同样的机会被选中的方法 其内在思想是：首先方法必须公平 我们无法保证样本一定代表总体， 但我们至少能用公平的方法抽样 We can’t guarantee that the sample represents the population, but we can at least use a fair method to choose the sample * 方法公平 = 程序正义？ OJ Simpson 杨佳 Justice must not only be done; it must also be seen to be done (正义不仅应得到实现，而且要以人们看得见的方式加以实现)——西方法律格言 * 2.3.4 用随机数字选取SRS 使每一个个体和每n个个体集合被抽中的概率相同，由盒中抽签的例子中很容易得到理解。但如果从一个很大的总体（全国家庭、全市人口）中抽样，显然从盒子里抽签就不太方便，实际上我们通过： 电脑产生的随机数字 (Random digits)，或 “随机数表”来“人工”选取较小的样本 * 随机数表 Table of Random Digits 由0-9十个数字组成的具有如下特性的表 (A table of random digits is a list of the 10 digits 0, 1, 2, 3, 4, 5, 6, 7, 8, and 9 having the following properties ): 任一位置数字为0-9的机会相同 (The digit in any position