下载文档原格式
第四章抽样理论与参数估计第一节抽样理论的基本知识分层抽样，又叫分层随机抽样，这种抽样方法是按照总体已有的某些特征，承认总体中已有的差异，按差异将总体分为几个不同的部分，每一部分称为一个层，在每一个层中实行简单随机抽样。
它充分利用了总体的已知信息，因而是一种非常适用的抽样方法，其样本代表性及推论的精确性一般优于简单随机抽样。
分层的原则是层与层之间的变异越大越好，各层内的变异要小。
试述分层抽样的原则和方法？分层抽样是按照总体上已有的某些特征，将总体分成几个不同部分，在分别在每一部分中随机抽样。
分层的总的原则是：各层内的变异要小，而层与层之间的变异越大越好。
在具体操作中，没有一成不变的标准，研究人员可根据研究需要依照多个分层标准，视具体情况而定。
⑷两阶段随机抽样两阶段随机抽样首先将总体分成M个部分，每一部分叫做一个"集团"（或"群"），第一步从M个集团中随机抽取m个"集团”作为第一阶段样本，第二步是分别从所选取的m个"集团”中抽取个体（g构成第二阶段样本。
一般而言，两阶段抽样相对于简单随机抽样，标准误要大些，但是，两阶段抽样简便易行，节省经草贼，因而它是大规模调查研究中常被使用的抽样方法。
例如，如果我们要了解全国城市初中二年级学生的身高，第一步我们可以从全国几百个城市中随机抽取几十个城市作为第一阶段的样本。
第二步，在第一阶段随机抽取出来的城市中再随机抽取初中二年级的学生。
（二）非旃抽样非概率抽样不是完全按随机原则选取样本，有方便抽样、判断抽样。
方便抽样是由调查人员自由、方便地选择被调查者的非随机选样。
判断抽样是通过某些条件过滤，然后选择某些被调查者参与调查的抽样法。
当采取非概率抽样的方法选取样本时，研究者要说明采用此种方取样的原因以及对研究结果可能造成的影响。
第二节抽样分布［统计量分布、基本随机变量函数的分布］总体：又称母全体、全域，指具有某种特征的一类事物的全体。
第4章参数估计和假设检验第四章参数估计与假设检验掌握参数估计和假设检验的基本思想是正确理解和应⽤其他统计推断⽅法的基础，后⾯将要学习的⽅差分析、⾮参数检验、回归分析、时间序列等统计推断⽅法都是在此基础上展开的。
需要特别指出的是，所有的统计推断都要以随机样本为基础。
如果样本是⾮随机的，统计推断⽅法就不适⽤了。
由于相关知识在先修课程中已经学习过，本章主要在回顾相关知识的基础上，补充讲解必要样本容量的计算、p值、参数估计和假设检验⽅法的软件操作和结果分析等内容。
本章的主要内容包括：（1）参数估计的基本思想和软件实现。
（2）简单随机抽样情况下样本容量的计算。
（3）假设检验的基本原理。
（4）假设检验中的p值。
（5）⼏种常⽤假设检验的软件实现。
第⼀节参数估计⼀、参数估计的基本概念参数估计是指利⽤样本信息对总体数字特征作出的估计。
例如，我们可以通过估计⼀部分产品的合格率对整批产品的合格率作出估计，通过调查⼀个样本的⼈⼝数来对全国的⼈⼝数作出估计，等等。
参数估计可以分为点估计和区间估计。
点估计是指根据样本数据给出的总体未知参数的⼀个估计值。
对总体参数进⾏估计的⽅法可以有多种，例如矩估计法、极⼤似然估计法等，得到的估计量（样本统计量）并不是唯⼀的。
例如我们可以使⽤样本均值对总体均值作出估计，也可以使⽤样本中位数对总体均值进⾏估计。
因此，在参数估计中我们需要对估计量的好坏作出评价，这就涉及到估计量的评价准则问题。
常⽤的估计量评价准则包括⽆偏性、有效性、⼀致性等。
⽆偏性是指估计量的数学期望与总体参数的真实值相等；有效性的含义是，在两个⽆偏估计量中⽅差较⼩的估计量较为有效，⽅差越⼩越有效；⼀致性是指随着样本容量的增⼤，估计量的取值应该越来越接近总体参数。
样本的随机性决定了估计结果的随机性。
由于每⼀个点估计值都来⾃于⼀个随机样本，所以总体参数真值刚好等于⼀个具体估计值的可能性极⼩。
区间估计的⽅法则以概率论为基础，在点估计的基础上给出了⼀个置信区间，并给出了这⼀区间包含总体真值的概率，⽐点估计提供了更多的信息。
