统计学课件-抽样设计.pptVIP

将以上两式相加为： 若令δ＝μ－μ0，则 单侧检验： 双侧检验： （22．6） （22．7） 式中的α和β由研究者预先确定，α值要比β值小。一般α为0.05或0.01，而β值一般确定为0.10、0.20或0.30。对同一个α值，单侧和双侧时的Z临界值是不一样的。 当样本容量已知， α值及其他条件也已确定，则β就是确定值。这时可以利用有关公式计算β值，从而对检验的统计力作出评价。 可以看到，在平均数的假设检验中，当确定了α和β之后，样本的容量n取决于总体标准差σ和假设的总体差异δ。与参数估计相比，多考虑了一个β因子，并且δ与参数估计中的具有不同的涵义。 抽样设计 统计推断的可靠性与下列因素有关 1．数据的质量 样本对总体的代表性，既涉及到抽样方法，又涉及到样本的容量。 2．运用统计方法及数据处理的准确性 3．样本对总体的代表性 在收集数据的 过程中控制 选择恰当的方法 通过抽样 设计控制 一．抽样设计的意义及原则 1．抽样设计的意义 ⑴．使研究节省人力及费用； ⑵．使研究节省时间，提高时效性； ⑶．保证研究结果的准确性。 2．抽样设计的原则 抽样设计的要求是样本对研究总体有良好的代表性，即样本的构成与总体保持一致。为了保证这一点，抽样时必须遵循随机化（randomization）的基本原则。 所谓随机化原则，是指在抽样时，样本中的每一个体都是按照随机的原理被抽取的，总体中每一个体被抽到的可能性是相等的。 二．几种重要的随机抽样方法 1．简单随机抽样（simple random sampling） 简单随机抽样就是按照随机原则直接从总体中抽取出若干个单位作为样本。 简单随机抽样法能保证总体中的每一个对象都有同等的被抽取到的可能性，并且个体之间都相互独立。这是在总体异质性不是很大而且所抽取的样本较小时经常采用的一种形式。 简单随机抽样法的局限是：当样本规模小时，样本的代表性较差。 简单随机取样有两种基本方式： 抽签法（drawing lots） 随机数字表法（random number table） 2．等距抽样 等距抽样（interval sampling）也称为机械抽样或系统抽样。实施时，先把总体中的所有个体按一定顺序编号，然后依固定的间隔取样。 等距抽样可以保证样本的成分与总体一致，但随机性不如单纯随机抽样法。应用中可将两种方法结合使用。 3．分层随机抽样 分层随机取样简称分层抽样（stratified sampling 或 hierarchical sampling），是进行大规模研究时常常使用的抽样方法。 分层抽样的方法：先将总体按照一定标准分为若干类型（统计上称为层），再根据各层对象的数量在总体数量中所占的比例，确定从每一种类型（层）中抽取样本的数量，然后按随机原则和所确定的各层取样的数量，从各层中取样。 做好分层随机取样的关键：分类的标准要科学，要符合实际情况。各层内的差别要小，而层与层之间的差异则越大越好。 计算各层应抽样的个体数量的计算方法： ⑴．按各层比例计算 公式中，ni为第i层中被抽取的个体数量 n为整个研究样本中个体的总数量 Ni为第i层中对象的数量 N为总体内个体的数量 （22．1） 例1：为了调查某区重点中学720名高一学生的视力，首先按视力的情况将他们分成好(108人)、中（360人）、差（252人）三种水平。若用分层抽样法抽取120人进行调查，问各层应抽多少人？ 计算： ⑵．最佳配置法 最佳配置法不仅考虑各层的人数比例，而且考虑到了各层的标准差。当各层内的标准差已知，应该在标准差大的层内多分配而在标准差小的层内少分配抽样数量。 最佳配置法可以使得到的样本具有较好的异质性。 在各层内应抽取个体数计算 公式中，ni表示从某一层所抽个体数 n表示样本容量 Ni表示某层个体总数 σi表示某层标准差 （22．2） 当各个σ没有现成资料可以应用时，可以先从该层抽一个小样本，由这一小样本计算出的样本标准差S对σ进行估计。 （22．3） 分层随机取样法的优点是代表性和推论的精确性较好。它适用于总体单位数量较多，并且内部差异较大的研究对象。 分层随机取样法的局限性是要求对总体各单位的情况有较多的了解，否则就难以作出科学的分类。 4．两阶段随机抽样 当总体容量很大时，直接以总体中的所有个体为对象，从中进行抽样，在实际调查或研究中存在很大困难。 采用分阶段的抽样方法，可以缩小实际抽样的范围，使实际抽样工作能够按研究设计的要求顺利进行。 两阶段随机抽样（two-stages random sampling）的一般过程是：先将总