如何确定抽样统计的最小样本量（附：随机抽样统计的抽样误差Excel计算表格）
在电视节目中经常看到关于选举的报道中经常会后有支持率的数字，例如：调查结果为
?a方支持率为%；
?b方支持率为%；
?c方支持率为%；
?...
最后都会说明一下，此次电话调查的数量2352，置信度为95%﹐最大抽样误差为±%。
抽样调查的典型情景：对一个大的集合（比如：数千万选民）做一次调查的成本较高，抽样调查可以低成本的用近似的（可接受的）数据反映实际情况；在用户调研中，也经常通过通过抽样调查的方式并对比打分的方法做评估。这里就需要了解置信度和抽样误差的概念；
抽样误差：假如相同规模的抽样调查进行多次，抽样均值在真实均值的上下波动，相对于整体均值的偏移波动就是抽样误差，而这个误差的分布是符合的，例如下图：横轴为整体的均值，圆点是每次抽样的均值，而红色那次抽样就是加上误差后都未覆盖到均值线的情况）；
最小抽样量的计算公式：抽样量需要> 30个才算足够多，可以用以下近似的误差/样本量估算公式；
n：为样本量；
：，抽样个体值和整体均值之间的偏离程度，抽样数值分布越分散方差越大，需要的采
样量越多；
E：为抽样误差（可以根据均值的百分比设定），由于是倒数平方关系，抽样误差减小为
1/2，抽样量需要增加为4倍；
: 为可靠性系数，即置信度，置信度为95%时，=，置信度为90%时，=，置信度越高需要的样本量越多；95%置信度比90%置信度需要的采样量多40%；
为了体现相对差距：假设抽样为y
相对抽样误差h = E / y
C= σ / y
以下是基于抽样得分的抽样误差估算表格：方差越大需要的样本量越多，数据离散度越低，需要的抽样量越少；
置信度相对抽样误差(假设：C=
从而看出大部分的电话抽样调查：95%置信度的情况下，误差要控制在2%以内取样量一般在2000-5000；为了方便计算抽样调查的误差和估算抽样量，制作了一个Excel表格附后，调整颜色框中的抽样量数字就可以得到相应的误差或根据指定的误差范围估算出抽样量；
第六章 统计量及其抽样分布 练习题 一、填空题（共10题，每题2分，共计20分） 1．简单随机抽样样本均值X 的方差取决于_________和_________，要使X 的标准差降低到原来的50％，则样本容量需要扩大到原来的_________倍。 2. 设1217,,,X X X 是总体(,4)N μ的样本，2S 是样本方差，若2()0.01P S a >=，则a =____________。 3．若(5)X t ，则2X 服从_______分布。 4．已知0.95(10,5) 4.74F =，则0.05(5,10)F 等于___________。 5．中心极限定理是说：如果总体存在有限的方差，那么，随着_________的增加，不论这个总体变量的分布如何，抽样平均数的分布趋近于_____________。 6. 总体分布已知时，样本均值的分布为_________抽样分布；总体分布未知，大样本情况下，样本均值的分布为_________抽样分布。 7. 简单随机样本的性质满足_________和_________。 8.若(2,4)X N ，查分布表，计算概率(X 3)P ≥=_________。若(X )0.9115P a ≤=，计算a =_________。 9. 若12~(0,2),~(0,2),X N X N 1X 与2X 独立，则2212X X +（）/2服从______分布。 10. 若~(16,4)X N ，则5X 服从___________分布。 二、选择题（共10题，每题1分，共计10分）
1．中心极限定理可保证在大量观察下 ( ) A ． 样本平均数趋近于总体平均数的趋势 B ． 样本方差趋近于总体方差的趋势 C ． 样本平均数分布趋近于正态分布的趋势 D. 样本比例趋近于总体比例的趋势 2．设随机变量()(1)X t n n >，则21/Y X =服从 ( ) 。 A. 正态分布 B.卡方分布 C. t 分布 D. F 分布 3．某品牌袋装糖果重量的标准是（500±5）克。为了检验该产品的重量是否符合标准，现从某日生产的这种糖果中随机抽查10袋，测得平均每袋重量为498克。下列说法中错误的是（ ） A. 样本容量为10 B .抽样误差为2 C. 样本平均每袋重量是统计量 D. 498是估计值 4．设总体均值为100，总体方差为25，在大样本情况下，无论总体的分布形式如何，样本平均数的分布都是服从或近似服从( ) A. (100/,25)N n B. N C. (100,25/)N n D. (100,N 5、设2(0,1),(5),X N Y χ且X 与Y 独立，则随机变量_________服从自由度为5的t 分布。 （ ） A. /X Y B. 5/Y X C. /X /
如何确定抽样统计的最小样本量（附：随机抽样统计的抽样误差Excel计算表格） 在电视节目中经常看到关于选举的报道中经常会后有支持率的数字，例如：调查结果为 ?a方支持率为%； ?b方支持率为%； ?c方支持率为%； ?... 最后都会说明一下，此次电话调查的数量2352，置信度为95%﹐最大抽样误差为±%。 抽样调查的典型情景：对一个大的集合（比如：数千万选民）做一次调查的成本较高，抽样调查可以低成本的用近似的（可接受的）数据反映实际情况；在用户调研中，也经常通过通过抽样调查的方式并对比打分的方法做评估。这里就需要了解置信度和抽样误差的概念； 抽样误差：假如相同规模的抽样调查进行多次，抽样均值在真实均值的上下波动，相对于整体均值的偏移波动就是抽样误差，而这个误差的分布是符合的，例如下图：横轴为整体的均值，圆点是每次抽样的均值，而红色那次抽样就是加上误差后都未覆盖到均值线的情况）； 最小抽样量的计算公式：抽样量需要> 30个才算足够多，可以用以下近似的误差/样本量估算公式； n：为样本量； ：，抽样个体值和整体均值之间的偏离程度，抽样数值分布越分散方差越大，需要的采 样量越多； E：为抽样误差（可以根据均值的百分比设定），由于是倒数平方关系，抽样误差减小为 1/2，抽样量需要增加为4倍； : 为可靠性系数，即置信度，置信度为95%时，=，置信度为90%时，=，置信度越高需要的样本量越多；95%置信度比90%置信度需要的采样量多40%； 为了体现相对差距：假设抽样为y 相对抽样误差h = E / y C= σ / y 以下是基于抽样得分的抽样误差估算表格：方差越大需要的样本量越多，数据离散度越低，需要的抽样量越少； 置信度相对抽样误差(假设：C=
统计学第5-6章正态分布、统计量及其 抽样分布
第5-6章统计量及其抽样分布 5.1正态分布 5.1.1定义:当一个变量受到大量微小的、独立的随机因素影响时，这个变量一般服从正态分布或近似服从正态分布。 概率密度曲线图 例如：某个地区同年龄组儿童的发育特征：身高、体重、肺活量等某一条件下产品的质量 如果随机变量X的概率密度为 2 2 () 2 1 (), 2 x f x e x μ σ πσ -- =-∞<<∞ 则称X服从正态分布。 记做 2 (,) X Nμσ : ，读作：随机变量X服从均值为 μ ，方差为2 σ的正态分布 其中， μ -∞<<∞ ，是随机变量X的均值，0 σ>是是随机变量X 的标准差
5.1.2正态密度函数f(x)的一些特点： ()0 f x≥, 即整个概率密度曲线都在x轴的上方。 曲线 () f x相对于xμ =对称，并在xμ = 处达到最大值， 1 () 2 fμ πσ = 。 1 μ＜ 2 μ＜ 3 μ 曲线的陡缓程度由 σ 决定： σ 越大，曲线越平缓；σ越小，曲线越陡峭当 x 趋于无穷时，曲线以 x轴为其渐近线。 标准正态分布
当 0,1 μσ == 时， 2 2 1 () 2 x f x e π - = ， x -∞<<∞ 称 (0,1) N 为标准正态分布。 标准正态分布的概率密度函数： ()x ? 标准正态分布的分布函数： ()x Φ 任何一个正态分布都可以通过线性变换转化为标准正态分布 设 2 (,) X Nμσ : ,则 (0,1) X Z N μ σ - =: 变量 2 11 (,) X Nμσ :与变量2 22 (,) Y Nμσ :相互独立,则有 22 1212 +(+,+) X Y Nμμσσ : 5.1.3 正态分布表：可以查的正态分布的概率值 ()1() x x Φ-=-Φ
抽样分布 根据样本统计量去估计总体参数，必须知道样本统计量分布。 定义6.2 某个样本统计量的抽样分布，从理论上说就是在重复选取容量为n 的样本时，由每一个样本算出的该统计量数值的相对数频数分布或概率分布。 由于现实中我们不可能将所有的样本都抽出来，因此，统计的抽样分布实际上是一种理论分布。 （一）样本均值的抽样分布 从单位数为N 的总体中抽取样本容量为n 的随机样本，在重复抽样的条件下 共有n N 个可能的样本，在不重复抽样条件下，共有!!()! n N N C n N n =-个可能样本。对于每一个样本，我们都可以计算出样本的均值2()x s 或或p ，因此，样本均值是一个随机变量。所有的样本均值形成的分布就是样本均值的抽样分布。 [例6.4]设一个总体含有4个个体（元素），即N=4，取值分别为： 12341234x x x x ==== 总体分布为均匀分布，如图6.1所示。 图6.1 总体均值：10 2.54X μ== = 总体方差：22() 1.25x x n σ-==∑ x
若重复抽样，n=2 则共有2416=个可能样本。具体列示如表5.1.1。 表6.1 可能的样本及其均值 每个样本被抽中的概率相同，均值为116 样本均值的抽样分布如表5.1.2和图5.1.2所示。 样本均值x 抽样分布的形状与原有总体的分布有关，如果原有总体是正态分布，样本均值也服从正态分布。 如果总体分布是非正态分布，当x 为大样本（30n ≥）时，样本均值的分布趋于服从正态分布；当x 为小样本时，其分布不是正态分布。 下面再让我们来看看样本均值x 抽样分布的特征：数学期望和方差。 设总体共有N 个元素，其均值为μ，方差为2σ，从中抽取容量为n 的样本。 E()x x X μ=== （6.1） 22 x n σσ=（重复抽样） （6.2） 22 ()1x N n n N σσ-=-（不重复抽样） （6.3） 对于无限总体，样本均值的方差，不重复抽样也可按重复抽样来处理；对于有限总体，当N 很大，而/n N 又很小，修正系数 1 N n N --会趋于1，不重复抽样也可按重复抽样来处理。 样本均值x 抽样分布的特征—数学期望和方差的计算公式，可以通过[例6.4]加以验证。 样本均值的均值 1.0 1.5 3.5 4.040 2.51616x μ++++====
抽样调查样本量的确定 在贸易统计中, 对于限额以下批零餐饮企业普遍采用抽样调查方法进行解决。然而，由于当前市场经济情况的多样性，经济发展的不均衡性，以及地域宽广性，导致情况多种多样；实际情况的复杂，决定了方案的复杂性，增加了具体抽样的难度。经过多年的探讨，区域二相抽样调查比较符合当前我国的实际情况，我们在这里根据试点所掌握的情况针对采用区域二相抽样调查的贸易抽样方案中如何确定样本量进行分析。 一、样本单位数量的确定原则 一般情况下，确定样本量需要考虑调查的目的、性质和精度要求。以及实际操作的可行性、经费承受能力等。根据调查经验，市场潜力和推断等涉及量比较严格的调查需要的样本量比较大，而一般广告效果等人们差异不是很大或对样本量要求不是很严格的调查，样本量相对可以少一些。实际上确定样本量大小是比较复杂的问题，即要有定性的考虑，也要有定量的考虑；从定性的方面考虑，决策的重要性、调研的性质、数据分析的性质、资源、抽样方法等都决定样本量的大小。但是这只能原则上确定样本量大小。具体确定样本量还需要从定量的角度考虑。 从定量的方面考虑,有具体的统计学公式,不同的抽样方法有不同的公式。归纳起来，样本量的大小主要取决于： (1)研究对象的变化程度，即变异程度； (2)要求和允许的误差大小，即精度要求； (3)要求推断的置信度，一般情况下，置信度取为95%； (4)总体的大小； (5)抽样的方法。 也就是说,研究的问题越复杂,差异越大时,样本量要求越大；要求的精度越高,可推断性要求越高时,样本量也越大；同时,总体越大,样本量也相对要大,但是,增大呈现出一定对数特征,而不是线形关系；而抽样方法问题,决定设计效应的值,如果我们设定简单随机抽样设计效应的值是1；分层抽样由于抽样效率高于简单随机抽样，其设计效应的值小于1,合适恰当的分层，将使层内样本差异变小，层内差异越小，设计效应小于1的幅度越大；多阶抽样由于效率低于简单随机抽样，设计效应的值大于1,所以抽样调查方法的复杂程度决定其样本量大小。对于不同城市,如果总体不知道或很大,需要进行推断时,大城市多抽,小城市少抽,这种说法原则上是不对的。实际上,在大城市抽样太大是浪费,在小城市抽样太少没有推断价值。
常用的统计量抽样分布 一．正态分布 1. ∑==n i i X n X 1 1EX → 2. 2 12)(11∑=--=n i i X X n S ][112 1 2∑=--=n i i X n X n DX → 3. 定理： X ～),(2σμN ，n X X X ,,,21 为X 的样本，则 (1). X ～), (2 n N σμ， (2). 2 2 )1(σ S n -～)1(2-n χ, (3). X 与2S 相互独立。 二．2χ分布 1. 定义 设n X X X ,,,21 独立同分布，且～)1,0(N ，则)(~2122 n X n i i χχ∑== 2. 性质： (1). 若X ～)(12n χ，Y ～)(22n χ，且X ,Y 独立，则X +Y ～)(212n n +χ。 (2). 若X ～)(2n χ，则n EX =，2DX n =。 三．t 分布 1. 定义 设X ～)1,0(N ,Y ～)(2n χ，且X ,Y 独立，则n Y X T =～)(n t 。 2. 定理： 设n X X X ,,,21 独立同分布，且～),(2σμN ，则
n S X μ -σ σ μS n X )(-=1 )1() (2 2 ---= n S n n X σσ μ～)1(-n t （因为 n X σ μ-～)1,0(N ， 2 2 )1(σ S n -～)1(2-n χ）。 3. 定理： 设1,,,21n X X X 为总体X ～),(21σμN 的样本， 1,,,21n Y Y Y 为总体Y ～),(22σμN 的样本，且Y X ,独立，则 2 12111)()(n n S Y X w +---μμ～)2(21-+n n t ，其中 2 )1()1(212 2 22112 -+-+-=n n S n S n S w 。 证：因为 2 2 11)1(σ S n -～)1(12 -n χ, 2 2 2 2)1(σ S n -～)1(22-n χ， 所以 2 2 2 2211)1()1(σS n S n -+-～)2(212-+n n χ； 又X ～), (1 2 1n N σμ，Y ～), (2 2 2n N σμ， 所以X Y -～), (2 2 1 2 21n n N σσμμ+ +， 所以 2 12111) ()(n n Y X +---σ μμ～)1,0(N ，所以 2 12111)()(n n S Y X w +---μμ 2 12111) ()(n n Y X +---= σμμ/ )2/()1()1(212 2 2 2211-+-+-n n S n S n σ ～)2(21-+n n t 。
?a方支持率为45.3%； ?b方支持率为30.2%； ?c方支持率为8.5%； ?... 最后都会说明一下，此次电话调查的数量2352，置信度为95%﹐最大抽样误差为±2.5%。 抽样调查的典型情景：对一个大的集合（比如：数千万选民）做一次调查的成本较高，抽样调查可以低成本的用近似的（可接受的）数据反映实际情况；在用户调研中，也经常通过通过抽样调查的方式并对比打分的方法做评估。这里就需要了解置信度和抽样误差的概念；抽样误差：假如相同规模的抽样调查进行多次，抽样均值在真实均值的上下波动，相对于整体均值的偏移波动就是抽样误差，而这个误差的分布是符合标准正态分布的，例如下图：横轴为整体的均值，圆点是每次抽样的均值，而红色那次抽样就是加上误差后都未覆盖到均值线的情况）；
最小抽样量的计算公式：抽样量需要> 30个才算足够多，可以用以下近似的误差/样本量估算公式； n：为样本量； ：方差，抽样个体值和整体均值之间的偏离程度，抽样数值分布越分散方差越大，需要 的采样量越多； E：为抽样误差（可以根据均值的百分比设定），由于是倒数平方关系，抽样误差减小为 1/2，抽样量需要增加为4倍； : 为可靠性系数，即置信度，置信度为95%时，=1.96，置信度为90%时，=1.645，
置信度越高需要的样本量越多；95%置信度比90%置信度需要的采样量多40%； 为了体现相对差距：假设抽样均值为y 相对抽样误差h = E / y 变异系数C= σ / y 以下是基于抽样得分的抽样误差估算表格：方差越大需要的样本量越多，数据离散度越低，需要的抽样量越少； 相对抽样误差(假设：C=0.4)
抽样调查的样本容量的确定方法 摘要：确定样本容量是抽样调查中重要的环节，影响到抽样估计的精确度和调查的成本和效益。单位标志变异程度、抽样极限误差、抽样推断的可靠度、抽样类型和方法等影响到样本容量地确定。样本容量的确定可以根据由抽样误差、抽样极限误差和概率度推算出来的公式计算，也可以根据建立在过去抽取满足统计方法要求的样本量所累积下来的经验法则来确定。 关键词：样本容量；抽样调查；抽样误差；极限误差 抽样调查是根据随机原则，从总体中抽取部分实际数据构成样本，同时运用概率估计方法，依据样本信息推断总体数量特征的一种非全面统计调查。根据抽选样本的方法，抽样调查可以分为等概率抽样和非概率抽样两类。等概率抽样又称为随机抽样，是按照概率论和数理统计的原理，从调查研究的总体中，根据随机原则来抽选样本，并从数量上对总体的某些特征做出估计推断，对推断出可能出现的误差可以从概率意义上加以控制。样本是从总体中抽出的部分单位的集合，样本中所包含的单位数被称为样本容量，一般用n表示。确定样本容量是制定抽样调查方案中的一个非常重要的环节。 1．确定样本容量的必要性 1.1样本容量大小影响抽样估计的精确度 抽样估计的精确度是指样本的统计量与其所代表的总体值的接近程度。调查结果相对于总体真实值的精确度与样本容量直接相关。样本容量越大，抽样误差相对就会减少，估计精度就会提高；若样本容量太小，抽样误差就会增大，从而影响抽样估计的精确度。 1.2样本容量大小影响抽样调查的成本和效益 样本量的设计通常受到研究经费及调查时间的限制。根据数理统计规律，样本量增加呈直线递增的情况下（样本量增加一倍，成本也增加一倍），而抽样误差只是样本量相对增长速度的平方根递减。若样本容量过大，调查单位增多，不仅增加人力、财力和物力的耗费，增加调查费用，而且还影响到抽样调查的时效性，从而不能充分发挥抽样调查的优越性。 因此，为节省调查费用，体现出抽样调查的优越性，在确定样本容量时，应在满足抽样调查对估计数据的精确度的前提下，尽量减少调查单位数，确保必要的抽样数目。 2．影响必要样本容量的主要因素 影响样本容量的因素是多方面的，在抽样调查总体、调查费用和调查时间既定的情况下，为确定最佳的样本容量，应首先分析影响样本容量的因素。从理论上说，影响样本容量的因素有以下几个方面： 2.1单位标志变异程度 或成数方差P(1－P)的大小来表示。在其他单位标志变异程度一般用方差2
样本量的确定方法(2008-10-14 09:12:34) 一、样本单位数量的确定原则 一般情况下，确定样本量需要考虑调查的目的、性质和精度要求。以及实际操作的可行性、经费承受能力等。根据调查经验，市场潜力和推断等涉及量比较严格的调查需要的样本量比较大，而一般广告效果等人们差异不是很大或对样本量要求不是很严格的调查，样本量相对可以少一些。实际上确定样本量大小是比较复杂的问题，即要有定性的考虑，也要有定量的考虑；从定性的方面考虑，决策的重要性、调研的性质、数据分析的性质、资源、抽样方法等都决定样本量的大小。但是这只能原则上确定样本量大小。具体确定样本量还需要从定量的角度考虑。 从定量的方面考虑,有具体的统计学公式,不同的抽样方法有不同的公式。归纳起来，样本量的大小主要取决于： (1)研究对象的变化程度，即变异程度； (2)要求和允许的误差大小，即精度要求； (3)要求推断的置信度，一般情况下，置信度取为95%； (4)总体的大小； (5)抽样的方法。 也就是说,研究的问题越复杂,差异越大时,样本量要求越大；要求的精度越高,可推断性要求越高时,样本量也越大；同时,总体越大,样本量也相对要大,但是,增大呈现出一定对数特征,而不是线形关系；而抽样方法问题,决定设计效应的值,如果我们设定简单随机抽样设计效应的值是1；分层抽样由于抽样效率高于简单随机抽样，其设计效应的值小于1,合适恰当的分层，将使层内样本差异变小，层内差异越小，设计效应小于1的幅度越大；多阶抽样由于效率低于简单随机抽样，设计效应的值大于1,所以抽样调查方法的复杂程度决定其样本量大小。对于不同城市,如果总体不知道或很大,需要进行推断时,大城市多抽,小城市少抽,这种说法原则上是不对的。实际上,在大城市抽样太大是浪费,在小城市抽样太少没有推断价值。 二、样本量的确定方法 如何确定样本量,基本方法很多,但是公式检验表明,当误差和置信区间一定时,不同的样本量计算公式计算出来的样本量是十分相近的,所以,我们完全可以使用简单随机抽样计算样本量的公式去近似估计其他抽样方法的样本量,这样可以更加快捷方便，然后将样本量根据一定方法分配到各个子域中去。所以，区域二相抽样不能计算样本量的说法是不科学的。
样本量的确定 北京广播学院新闻传播学院 调查统计研究所 二零零一年五月 沈浩 本讲主要内容 如何计算简单随机抽样的样本量确定 如何实现分层抽样中各层样本单位数的分配样本容量的确定 样本量=费用+精度 (函数) 确定样本容量，需要处理好预定的精度与现有经费，同时也要考虑资源和时间等限 制条件，最终的样本量确定是在上述因素之间的权衡关系。分层抽样分配样本的标准 总的样本容量事先确定 估计值要求达到的精度预先给定 影响调查样本容量的因素 调查估计值所希望达到的精度 调查估计值所能允许的误差。 估计量的抽样方差较小，估计值是精确的 估计值的精度越高，所需的样本容量就越大 影响精度的因素也同样影响着样本容量的大小 所研究指标在总体中的变异程度 总体的大小
样本设计和所使用的估计量 无回答率 客户提供的经费能支持多大容量的样本 整个调查持续的时间有多长 调查需要多少访员 能招聘到的访员有多少 除了估计值的精度以外，调查实际操作的限制条件也许是影响样本容量的最大因 素。 11>(给定精度水平下样本容量的确定样本容量的大小与调查估计值所要求的精度紧密相关 数据是通过抽样而不是普查收集的，就会产生抽样误差。 精度是由抽样方差来测量的。 随着样本容量的增加，调查估计值的精度也会不断提高。标准误差 误差界限 变异系数 抽样方差的几种计量方法 抽样调查中样本容量的确定，也经常会使用一种或多种这样的计量方法来对精度进 行说明。 非抽样误差 非抽样误差会对调查估计值的精度产生显著的影响 非抽样误差的大小与样本容量的大小却没有很大的关系 确定样本容量，就不必将这些误差作为影响因素加以考虑
第6章 统计量及其抽样分布一、思考题 1．什么是统计量？为什么要引进统计量？统计量中为什么不含任何未知参数？ 答：（1）设12n X X X ，， …，是从总体X 中抽取的容量为n 的一个样本，如果由此 样本构造一个函数12()n T X X X ，，…，，不依赖于任何未知参数，则称函数12()n T X X X ，，…，是一个统计量。 （2）在实际应用中，当从某总体中抽取一个样本后，并不能直接应用它去对总体的有关性质和特征进行推断，这是因为样本虽然是从总体中获取的代表，含有总体性质的信息，但仍较分散。为了使统计推断成为可能，首先必须把分散在样本中关心的信息集中起来，针对不同的研究目的，构造不同的样本函数。 （3）统计量是样本的一个函数。由样本构造具体的统计量，实际上是对样本所含的总体信息按某种要求进行加工处理，把分散在样本中的信息集中到统计量的取值上，不同的统计推断问题要求构造不同的统计量，所以统计量不包含未知参数。 2．判断下列样本函数哪些是统计量？哪些不是统计量？ 1121021210310410()/10 min() T X X X T X X X T X T X μ μσ =+++==-=-…，，…，（）/答：统计量中不能含有未知参数，故1T 、2T 是统计量，3T 、4T 不是统计量。
3．什么是次序统计量？ 答：设12n X X X ，， …，是从总体X 中抽取的一个样本，()i X 称为第i 个次序统计量，它是样本 12()n X X X ，，…，满足如下条件的函数：每当样本得到一组观测值12X X ，，…，n X 时，其由小到大的排序 (1)(2)()()i n X X X X ≤≤≤≤≤……中，第i 个值()i X 就作为次序统计量()i X 的观测值，而(1)(2)()n X X X ，，…，称为次序统计量，其中(1)X 和()n X 分别为最小和最大次序统计量。 4．什么是充分统计量？ 答：在统计学中，假如一个统计量能把含在样本中有关总体的信息一点都不损失地提取出来，那对保证后边的统计推断质量具有重要意义。统计量加工过程中一点信息都不损失的统计量通常称为充分统计量。 5．什么是自由度？ 答：统计学上的自由度是指当以样本的统计量来估计总体的参数时，样本中独立或能自由变化的变量的个数。 6．简述2 χ分布、t 分布、F 分布及正态分布之间的关系。答：（1）随机变量X 1，X 2，… X n 相互独立，且都服从标准正态分布，则它们的平方和21 n i i X =∑服从自由度为n 的2 χ分布。（2）随机变量X 服从标准正态分布，Y 服从自由度为n 的2 χ分布，且X 与Y 独立，
如何确定样本量 来回答：对于13万的人，做调查，得取多少样本，这个得看你要求的精确度，统计学上有这样的一套公式， https://www.doczj.com/doc/1217900253.html,/peixun/pei21.HTM 而对于市场调查； 在市场研究中，常常有客户和研究者询问：“要掌握市场总体情况，到底需要多少样本量？”，或者说“我要求调查精度达到95%，需要多少样本量？”。对此，我往往感到难以回答，因为要解决这个问题，需要考虑的因素是多方面的：研究的对象，研究的主要目的，抽样方法，调查经费…。有人说，北京这么大，上千万人口，我们怎么也得做一万人的访问才能代表北京市吧。根据统计学原理，完全不必。只要在500－1000左右就够了。当然前提是，我们要按照科学的方法去抽样。 根据市场调查的经验，市场潜力等涉及量比较严格的调查所需样本量较大，而产品测试，产品定价，广告效果等人们间彼此差异不是特别大或对量的要求不严格的调查所需样本量较小些。 样本量的大小涉及到调研中所要包括的人数或单元数。确定样本量的大小是比较复杂的问题，既要有定性的考虑也要有定量的考虑。 从定性的方面考虑样本量的大小，其考虑因素有：决策的重要性，调研的性质，变量个数，数据分析的性质，同类研究中所用的样本量，发生率，完成率，资源限制等。具体地说，更重要的决策，需要更多的信息和更准确的信息，这就需要较大的样本；探索性研究，样本量一般较小，而结论性研究如描述性的调查，就需要较大的样本；收集有关许多变量的数据，样本量就要大一些，以减少抽样误差的累积效应；如果需要采用多元统计方法对数据进行复杂的高级分析，样本量就应当较大；如果需要特别详细的分析，如做许多分类等，也需要大样本。针对子样本分析比只限于对总样本分析，所需样本量要大得多。 具体确定样本量还有相应的统计学公式，根据样本量计算公式，我们知道，样本量的大小不取决于总体的多少，而取决于(1) 研究对象的变动程度；(2) 所要求或允许的误差大小；(3) 要求推断的置信程度。也就是说，当所研究的现象越复杂，差异越大时，样本量要求越大；当要求的精度越高，可推断性要求越高时，样本量越大。因此，如果不同城市分别进行推断时，"大城市多抽，小城市少抽"这种说法原则上是不对的。在大城市抽样太大是浪费，在小城市抽样太少没有推断价值。 总之，在确定抽样方法和样本量的时候，既要考虑调查目的，调查性质，精度要求（抽样误差）等，又要考虑实际操作的可实施性，非抽样误差的控制、经费预算等。专业调查公司在这方面会根据您的情况及调查性质，进行综合权衡，达到一个最优的样本量的选择。 实际研究中的一些经验 根据一些学者的研究，以及远东零点在市场研究中的经验，市场调查中确定样本量通常的做法是： 1、通过对方差的估计，采用公式计算所需样本量，主要做法有： 2、用两步抽样，在调查前先抽取少量的样本，得到标准差S的估计，然后代入公式中，得到下一步抽样所需样本量n； 3、如果有以前类似调查的数据，可以使用以前调查的方差作为总体方差的估计。 4、根据经验，确定样本量，主要方法有： 5、如果以前有人做过类似的研究，初学者可以参照前人的样本。 6、如果是大型城市、省市一级的地区性研究，样本数在500-1000之间可能比较适合；而对于中小城市，样本量在200-300之间可能比较适合；如果是多省市或者全国性的研究，则样本量可能在1000-3000之间比较适合。 7、作为一个常识（主要是为了显著性检验），要进行分组研究的每组样本量应该不少于50个。 8、通过试验设计所作的研究，可以采用较小的样本量。如产品试用（留置）调查，在经费有限的情况下，可以将每组的样本量降低至30个左右，最好每组在50以上。此外，我们在多次的实际研究
样本量的确定 1. 二值分布(估计比例时的样本容量) 这种情况下，表明可能的采样结果只有两种情况，即是与非的问题。比如调查某一批产品的合格率。样本量的确定主要受以下几个因素影响：置信水平α、所能接受的抽样偏差e (估计值与真实值的最大偏差)、总体数量N ；通过置信水平即可查表确定z 。 通常情况下置信水平选择95%。抽样偏差为±5%，不过也不完全一定，抽样偏差的确定还是要考虑实际情况，比如最小的调查估计值p=5%，此时抽样偏差就应该小于5%。 这时，就可以确定样本量： 22 2 (1)(1)z p p n z p p e N -=-+ P 值的确定：用以前类似样本得到的结果来近似，如果完全不知道就设p=0.5，因为此时方差最大，可求得一个比较保守的样本容量。 样本容量和在p=0.5时运用简单随机抽样估计p 值得到的抽样偏差e
如果总体容量N 非常大，可近似为无穷，那么上面这个公式可简化成： 22 (1)z p p n e -= 事实上当总体容量很小时，不会采用抽样调查，而是普查了。 2. 正态分布(估计均值时的样本容量) 在这种情况下，表明采样的结果是具有多样性的，并不局限在0、1上。比如对某一城市老年人的患病年龄进行统计。这个时候，样本量同样受如下几个因素影响：置信水平α、所能接受的抽样偏差e (估计值与真实值的最大偏差)、总体数量N 。 样本量为： 22 222 z S n z S e N = + S 表明的是总体标准差，这个可以用以前类似样本得到的S 或是实验调查样本的S 来近似。 同样，如果总体容量N 非常大，可近似为无穷，那么上面这个公式可简化成： 22 2z S n e = 理论基础： 根据数理统计知识，样本均值对总体均值可构造如下统计量： x X u σ-，他满足标准正态分 布，查表即可得到某一显著性水平下这个统计量的值，这里面的x σ表示总体均值估计量的标准误差。 在无放回简单随机抽样情况下，总体均值估计量的标准误差表达式： x σ=
第5-6章 统计量及其抽样分布 正态分布 5.1.1定义:当一个变量受到大量微小的、独立的随机因素影响时，这个变量一般服从正态分布或近似服从正态分布。 概率密度曲线图 例如：某个地区同年龄组儿童的发育特征：身高、体重、肺活量等 某一条件下产品的质量 如果随机变量X 的概率密度为 22 ()21 (),2x f x e x μσπσ --=-∞<<∞ 则称X 服从正态分布。 记做 2 (,)X N μσ，读作：随机变量X 服从均值为μ，方差为2 σ的正态分布 其中， μ-∞<<∞，是随机变量X 的均值，0σ>是是随机变量X 的 标准差
5.1.2正态密度函数f(x)的一些特点： ()0 f x≥,即整个概率密度曲线都在x轴的上方。 曲线 () f x相对于xμ =对称，并在xμ = 处达到最大值， 1 () 2 fμ πσ = 。 1 μ＜ 2 μ＜ 3 μ 曲线的陡缓程度由 σ 决定：σ越大，曲线越平缓；σ越小，曲线越陡峭当 x 趋于无穷时，曲线以x轴为其渐近线。 标准正态分布 当 0,1 μσ == 时，
2 2 1 () 2x f x e π- = ， x -∞<<∞ 称 (0,1) N 为标准正态分布。 标准正态分布的概率密度函数： ()x ? 标准正态分布的分布函数： ()x Φ 任何一个正态分布都可以通过线性变换转化为标准正态分布 设 2 (,) X Nμσ ,则 (0,1) X Z N μ σ - = 变量 2 11 (,) X Nμσ与变量2 22 (,) Y Nμσ相互独立,则有 22 1212 +(+,+) X Y Nμμσσ 5.1.3 正态分布表：可以查的正态分布的概率值()1() x x Φ-=-Φ 例：设 (0,1) X N，求以下概率
第6章统计量与抽样分布 【引例】1899年，戈塞特（1876-1937）进入都柏林A.吉尼斯父子酿酒公司担任酿酒化学技师，主要从事统计和实验工作。他在工作中发现，供酿酒的每批麦子质量相差很大，而同一批麦子中能抽样供试验的麦子又很少，每批样本在不同的温度下做实验，其结果相差很大。这就决定了不同批次和温度的麦子样本是不相同的，不能进行样本合并。这样一来，实际上取得的麦子样本，不可能是大样本，只能是小样本。他在工作中还发现，利用小样本得出的结果，和正态分布有较大的差异，特别是两端尾部的概率，比正态分布明显高。因此1907年戈塞特决心把小样本和大样本之间的差别搞清楚。为此，他试图把一个总体中的所有小样本的平均数的分布刻画出来。做法是：在一个大容器里放了一批纸牌，把它们弄乱，随机地抽若干张（小样本），对这一样本记录观察值，然后再把纸牌弄乱，抽出几张，对相应的样本再记录观察值。大量地记录这种随机抽样的小样本观察值，就可以获得小样本观察值的分布。1908年，戈塞特以“学生（Student）”为笔名在《生物计量学》杂志发表了论文《平均数的规律误差》。这篇论文开创了小样本统计理论的先河，为研究样本分布理论奠定了重要基础。被统计学家誉为统计推断理论发展史上的里程碑。 那么总体和样本是如何联系的？大样本和小样本下究竟有什么差异？什么是t分布？它和正态分布有什么不同？它有什么作用？统计推断中常用的分布还有哪些？这些问题都将在本章中找到答案。 统计研究的目的是为了探索现象内在的数量规律性。为了解总体的数量特征，可以直接对总体进行全面调查，得到总体数据，进而归纳出数量特征；也可以对总体进行抽样，利用样本对总体进行推断，后一种方法称为统计推断。抽样分布是进行统计推断的理论基础。本章将主要介绍统计推断所涉及的总体、 分布，t分布样本、统计量及抽样分布等概念，以及在统计推断中最常用的2 和F分布和抽样分布定理。
新视角 108 经济理论研究 抽样调查样本量的确定 侯志强1,2 吴启富 3 (1.北方工业大学,北京100041;2.中国人民大学统计学院,北京100872;3.首都经济贸易大学统计学院,北京100026)摘要:样本量确定是抽样调查中的一个重要内容。确定样本量需要综合考虑费用与精度。抽样方式也是影响样本量的一个重要因素。简单随机抽样估计总体比例确定样本量需要同时考虑两个精度要求,即估计量方差上限与估计量离散系数上限。分层随机抽样的样本量还受各层样本量分配方式的影响。复杂抽样的样本量需要借助抽样设计效应才能计算。样本量经过调整后才能满足实际调查的需要。关键词:抽样调查;样本量;费用;精度;设计效应 一、引言 抽样调查是按照随机原则从总体中抽取部分个体进行观察并据此对总体参数作出一定可靠程度推断的科学。抽取个体的数量称为样本量。在一定抽样方式下,样本容量越大,估计精度就越高,所需费用也就越大。因此,样本量受费用与精度的双重制约。简单随机抽样样本量的确定是其它抽样方式样本量确定的基础。在简单随机抽样中,经常需要估计几个总体比例,有些总体比例较大,有些则较小,但许多人总是根据估计量方差上限这个唯一的精度要求确定所谓的“保守”样本量,殊不知当所要估计的总体比例很小时,这个“保守”的样本量根本谈不上“保守”。本文试图解决这个问题,并探讨其它抽样方式下样本量的确定问题。 二、简单随机抽样样本量的确定 在简单随机抽样下,若给定费用要求,则可通过费用函数确定样本量。通常的费用函数为 C T =c 0+c 1n (1)其中,C T 表示总费用,c 0表示固定费用,c 1表示调查一个样本单元的平均费用,n 表示样本量。 那么,样本量为 n =C T -c 0c 1 (2) 通过式(2)可以确定样本量的上限,即总费用所允许的最大样本量,记为n U 。 简单随机抽样的样本量还可通过精度确定,通常规定估计量方差的上限。 例如,已知总体方差为 2 ,需估计总体均值X — ,其简单 估计量为样本均值x — ,则在重复抽样条件下,估计量方差为 D (x —)= 2 n (3) 若要求估计量x — 的方差不许超过常数V ,则有 2n ≤V (4)从而样本量满足 n ≥ 2V (5) 通过式(5)可以确定样本量的下限,即精度所允许的最小样本量,记为n L 。 当n L ≤n U 时,样本量可取n L 与n U 之间的任何值; 当n L >n U 时,必需认真权衡费用与精度,若费用更重要,则取n U ;否则,取n L 。若需要估计总体比例P ,则其简单估计量为样本比例p ,在重复抽样条件下,估计量方差为 D (p )=P (1-P ) n (6) 若要求估计量P 的方差不许超过常数V ,则有P (1-P ) n ≤V (7)从而样本量满足 n ≥P (1-P )V (8) 容易知道,P (1-P )在P =0.5时取到最大值0.25,从而可得一个“保守”的样本量 n a =0.25V (9)许多人正是根据式(9)来确定所谓的“保守”样本量,但对于较小的总体比例P ,这个“保守”样本量从估计量离散系数的角度看根本谈不上“保守”。详述如下: 已知估计量p 的离散系数为C V (p )= D (p )P =1-P n P (10)从式(10)可以看出,当n 取“保守”的样本量n a 时,随着总体比例P 从1到0变化,估计量的离散系数C V (p )逐渐增加。不难想象,当P 小到一定程度时,C V (p )将大到不能容忍的程度。 一个自然的修正方法是:除根据估计量的方差上限确定样本量外,再根据估计量的离散系数上限确定样本量,然后取两者中较大者。 设最小的总体比例P =P L ,限定估计量p 的离散系数不许超过常数C 。则根据式(10),可得另一个“保守”的样本量 n b =1-P C 2 P L (11)这样,取这两个“保守”样本量的较大者,即n =m a x (n a ,n b ) (12)
样本量的确定方法 The pony was revised in January 2021
样本量的确定方法(2008-10-14 09:12:34) 一、样本单位数量的确定原则 一般情况下，确定样本量需要考虑调查的目的、性质和精度要求。以及实际操作的可行性、经费承受能力等。根据调查经验，市场潜力和推断等涉及量比较严格的调查需要的样本量比较大，而一般广告效果等人们差异不是很大或对样本量要求不是很严格的调查，样本量相对可以少一些。实际上确定样本量大小是比较复杂的问题，即要有定性的考虑，也要有定量的考虑；从定性的方面考虑，决策的重要性、调研的性质、数据分析的性质、资源、抽样方法等都决定样本量的大小。但是这只能原则上确定样本量大小。具体确定样本量还需要从定量的角度考虑。 从定量的方面考虑,有具体的统计学公式,不同的抽样方法有不同的公式。归纳起来，样本量的大小主要取决于： (1)研究对象的变化程度，即变异程度； (2)要求和允许的误差大小，即精度要求； (3)要求推断的置信度，一般情况下，置信度取为95%； (4)总体的大小； (5)抽样的方法。 也就是说,研究的问题越复杂,差异越大时,样本量要求越大；要求的精度越高,可推断性要求越高时,样本量也越大；同时,总体越大,样本量也相对要大,但是,增大呈现出一定对数特征,而不是线形关系；而抽样方法问题,决定设计效应的值,如果我们设定简单随机抽样设计效应的值是1；分层抽样由于抽样效率高于简单随机抽样，其设计效应的值小于1,合适恰当的分层，将使层内样本差异变小，层内差异越小，设计效应小于1的幅度越大；多阶抽样由于效率低于简单随机抽样，设计效应的值大于1,所以抽样调查方法的复杂程度决定其样本量大小。对于不同城市,如果总体不知道或很大,需要进行推断时,大城
如何确定抽样方法 在设计一个抽样调查时，我们通常需要做的工作是：定义总体及抽样单元、确定或构置抽样框、选择抽样技术、确定样本量的大小、制定实施细节并实施。这里我们着重介绍一下定量研究的抽样方法和样本量这两个技术环节。 最基本的定量研究的抽样方法分为两类，一类为非概率抽样，一类为概率抽样。 一、非概率抽样 非概率抽样是不能计算抽样误差的，因为它是靠调研者个人的判断来进行的抽样。它包括偶遇抽样或者方便抽样、判断抽样、配额抽样、雪球抽样等。 偶遇抽样(方便抽样) 常见的未经许可的街头随访或拦截式访问、邮寄式调查、杂志内问卷调查等都属于偶遇抽样的方式。偶遇抽样是所有抽样技术中花费最小的（包括经费和时间）。抽样单元是可以接近的、容易测量的、并且是合作的。但尽管有许多优点，这种形式的抽样还是有严重的局限性。许多可能的选择偏差都会存在，如被调查者的自我选择、抽样的主观性偏差等。这种抽样不能代表总体和推断总体。因此，当我们在进行街头访问或邮寄调查时，一定要谨慎对待调查结果。 判断抽样 判断抽样是基于调研者对总体的了解和经验，从总体中抽选"有代表性的""典型的"单位作为样本，例如从全体企业中抽选若干先进的、居中的、落后的企业作为样本，来考察全体企业的经营状况。如果判断准，这种方法有可能取得具有较好代表性的样本，但这种方法受主观因素影响较大。
配额抽样 配额抽样是根据总体的结构特征来给调查员分派定额，以取得一个与总体结构特征大体相似的样本，例如根据人口的性别、年龄构成来给调查员规定不同性别、年龄的调查人数。配额保证了在这些特征上样本的组成与总体的组成是一致的。一旦配额分配好了，选择样本元素的自由度就很大了。唯一的要求就是所选的元素要适合所控制的特性。这种抽样方法的目的是使样本对总体具有更好的代表性，但仍不一定能保证样本就是有代表性的。如果与问题相关联的某个特征未被考虑进配额，配额样本可能就不具有代表性，但在实施中包括太多的控制特征是十分困难的。另外，用这种方法进行选择时，往往存在调查员的选择偏好，因而也难以避免主观因素的影响。如果在严格控制调查员和调查过程的条件下，可使配额抽样获得与某些概率抽样非常接近的结果。在进行配额抽样时，要特别注意配额与调查结果之间的密切联系。 雪球抽样 雪球抽样是先选择一组调查对象，通常是随机地选取的。访问这些调查对象之后，再请他们提供另外一些属于所研究的目标总体的调查对象，根据所提供的线索，选择此后的调查对象。这一过程会继续下去，形成一种滚雪球的效果。此抽样的主要目的是估计在总体中十分稀有的人物特征。由于后来被推荐的人可能类似于推荐他们的那些人，因此这种方式的调查也是非概率的。 二、概率抽样 非概率抽样包括简单随机抽样，分层抽样，等距抽样，整群抽样等，每个样本的中选概率是已知的，因此可以计算抽样误差。通常的实地调查中，是把这几种抽样方法相互结合。
在电视节目中经常看到关于选举的报道中经常会后有支持率的数字，例如：调查结果为 ■ a 万支持率为 45.3%; ? b 方支持率为30.2%; ?c方支持率为8.5%; 最后都会说明一下，此次电话调查的数量2352，置信度为95%，最大容许误差为土2.5%这 就是抽样调查的典型情景：一个大的集合（比如：数千万选民）做一次调查的成本较高，抽样调查可以低成本的用近似的（可接受的）数据反映实际情况；在用户调研中，也经常通过通过抽样调查的方式并对比打分的方法做评估。 抽样误差：假如相同规模的抽样调查进行多次，抽样均值在真实均值的上下波动，相对于整体均值的偏移波动就是抽样误差，而这个误差的分布是符合标准正态分布的，例如下图：横轴为整体的均值，圆点是每次抽样的均值，而红色那次抽样就是加上误差后都未覆盖到均值线的情况）； 抽样量需要> 30个才算足够多，可以用以下近似的误差/样本量 E2 n:为样本量； ?一：方差，抽样个体值和整体均值之间的偏离程度，抽样数值分布越分散方差越大，需要的采样量越多；E：为抽样误差（可以根据均值的百分比设定），由于是倒数平方关系，抽样误差减小为 1/2，抽样量需要增加为4倍； :为可靠性系数，即置信度，置信度为95%时，=1.96，置信度为90%时，=1.645 , 置信度越高需要的样本量越多；95%置信度比90%置信度需要的采样量多40%； 为了体现相对差距：假设抽样均值为y 22Q 21D 200 19D 180 170 160 最小抽样量的计算公式: 估算公式； — 样 車 20 Iff + 19 — 样 + 18 Iff+n IW + w —样畫14 —样木13 —样車12 Iff + 9 — H4 8 * ff* 7 I .ft 4 6 { 樺 木 5 — 样 * 4 — 禅 木 3 N ? 2 IW+ 1