当前位置：文档之家 › 4抽样与抽样分布

4抽样与抽样分布

  • 格式：pptx
  • 大小：1.55 MB
  • 文档页数：54

下载文档原格式

  / 54

合集下载

抽样与抽样分布

抽样与抽样分布

抽样与抽样分布在统计学中，抽样是一种常用的数据收集方法，通过从总体中选择一部分样本来进行研究和分析。

抽样的目的是通过样本来推断总体的特征和性质。

在进行抽样时，我们需要了解抽样的方法和抽样分布的概念。

一、抽样方法1. 无偏抽样无偏抽样是指所有样本有相同被选中的机会。

这样可以确保样本的代表性，从而减小样本估计值和总体真值之间的误差。

常见的无偏抽样方法包括简单随机抽样、系统抽样和分层抽样等。

2. 有偏抽样有偏抽样是指样本的选择并不具有相等的机会。

这样可能导致样本的代表性不足，从而产生较大的估计误差。

有时，有偏抽样也可以用于特定的研究目的，但需要明确地说明和分析偏差带来的影响。

二、抽样分布1. 抽样分布的概念抽样分布是指统计量在各个可能样本上的取值分布。

统计量可以是样本均值、样本方差等。

抽样分布的性质对于进行统计推断和假设检验非常重要。

2. 样本均值的抽样分布样本均值的抽样分布在中心极限定理的条件下近似服从正态分布。

中心极限定理指出，当样本容量足够大时，无论总体分布如何，样本均值的抽样分布都会接近正态分布。

3. 样本比例的抽样分布样本比例的抽样分布在满足一些条件的情况下也近似服从正态分布。

这些条件包括样本容量足够大、总体比例接近0.5以及样本与总体之间的独立性等。

4. 样本方差的抽样分布样本方差的抽样分布不服从正态分布。

通常情况下，样本方差的抽样分布呈右偏态，即偏度大于0。

为了得到样本方差的抽样分布，可以使用抽样分布的近似分布，如卡方分布。

三、应用案例抽样与抽样分布的方法和理论在实际统计学中有广泛的应用。

以下是一些常见的应用案例：1. 调查研究在进行调查研究时，我们经常需要从总体中选择一部分样本进行问卷调查或面访。

通过利用抽样与抽样分布的方法，我们可以将样本的调查结果推广到总体中，从而得到总体的特征和性质。

2. 假设检验假设检验是统计学中常用的推断方法之一。

通过比较样本统计量与假设的总体参数值，我们可以判断假设的合理性。

统计学之抽样与抽样分布

统计学之抽样与抽样分布

的抽样分布
统计推断的过程
• 总体均值
m=?
• 从总体中抽取 • 样本容量为 n 的样本
• 用 作为m 的点估计
• 计算样本平均值
的抽样分布
的抽样分布是指所有可能的样本平均值 的概率分 布
的期望值
E( ) = = 总体平均值
的抽样分布
的标准差
•
有限总体
无限总体
• 当 n/N < .05时，可以将一个有限总体看作是无限
统计学之抽样与抽样分 布
2020年4月29日星期三
Chapter 7
抽样和抽样分布
本章主要内容
简单随机抽样 点估计 抽样分布 样本平均值 的抽样分布 样本比例 的抽样分布 抽样方法
•n = 100
•n = 30
统计推断
统计推断的目的是利用样本的信息推断总体的信息 总体是指感兴趣的所有元素的集合 样本是总体的一个子集 通过样本统计量对总体参数进行估计 只要抽样方法恰当，通过样本统计量可以对总体参数 进行很好的估计
也就是说，样本平均值在总体平均值+/-10分范围内的 概率为0.5036
•面积 = 2(.2518) = .5036
• 的抽样分布
•980 •990•1000
的抽样分布
的抽样分布是指所有可能的样本比例 的概率分布 的期望值
p = 总体比例
的抽样分布
的标准差 有限总体
无限总体
• 也称为样本比例的标准误
总体
•
称为有限总体校正因子.
• 也称为样本均值的标准误
的抽样分布
中心极限定理：只要样本容量足够大 (n > 30)，不管总 体服从什么分布，样本平均值 都可以认为近似服从 正态分布。

统计学教程(含spss)四参数估计

统计学教程(含spss)四参数估计

从一批灌装产品中，随机抽取20灌，得样本方差为0.0025。试以95%的置 信度，估计总体方差的存在区间。
n 1 s2 2 n 1 s2
2 2
2 1 2
n 1 s2
2 0.025
2
n 1 s2
2 0.975
19 0.0025 2 19 0.0025
32.8523
8.90655
自正态总体抽样时，总体均值与总体中位数相同，而中位数的 标准误差大约比均值的标准误差大25%。因此，样本均值更有效。
x 的抽样分布
M e的抽样分布
____
X
有效性
一致性
如果 lim
P
1(为任意小数，n
为样本容量）
n
则称 为的满足一致性标准的点估计量
ˆ1的抽样分布 ˆ2的抽样分布
x s 2 p 均为一致性估计量
X～N， 2
x__
～
N
， 2 n
__
Z x ～N 0,1
n
P Z
Z Z
1
2
2
P Z
2
__
x n
Z
1
2
显著性水平
22
2
Z 2
置信度
1
0
P_x_ Z
2
n
__
x Z 2
1
n
2
Z 2
显著性水平α下，μ在1- α置信水平下的置信区间：
__
x
Z
2
__
n , x Z 2
f x
x
n
x 2
f x
1
e 2 2 x
2
x
抽样分布
E(x)

抽样与抽样分布(试题及答案)

抽样与抽样分布(试题及答案)

第五章抽样与抽样分布一、单项选择题(以下每小题各有四项备选答案，其中只有一项是正确的。

)1．抽样推断的主要目的是( )。

A．用统计量来推算总体参数B．对调查单位作深入研究C．计算和控制抽样误差D．广泛运用数学方法[答案] A[解析] 抽样调查是指从总体中按随机原则抽取部分单位作为样本，进行观察研究，并根据这部分单位的调查结果来推断总体，以达到认识总体的一种统计调查方法，因此，抽样推断的主要目的是用已知的统计量来推算未知的总体参数。

2．抽样调查中，无法消除的误差是( )。

A．抽样误差B．责任心误差C．登记误差D．系统性误差[答案] A[解析] 抽样误差是指在遵循了随机原则的条件下，不包括登记误差和系统性误差在内的，用样本指标代表总体指标而产生的不可避免的误差。

3．在其他条件相同的情况下，重复抽样的抽样平均误差和不重复抽样相比，( )。

A．前者一定小于后者B．前者一定大于后者C．两者相等D．前者可能大于，也可能小于后者[答案] B[解析] 以抽样平均数的抽样平均误差为例进行说明：在重复抽样条件下，抽样平均数的平均误差的计算公式：；在不重复抽样条件下，抽样平均数的平均误差的计算公式：。

因为，故。

4．拟分别对甲、乙两个地区大学毕业生在试用期的工薪收入进行抽样调查。

据估计甲地区大学毕业生试用期月工薪的方差要比乙区高出一倍。

在样本量和抽样方法相同的情况下，甲区的抽样误差要比乙区高( )。

A．41.4% B．42.4% C．46.8% D．48.8%[答案] A[解析] 假设乙地区的大学毕业生试用期月工薪的方差为σ2，甲地区的大学毕业生试用期月工薪的方差为2σ2，则：，那么，在样本量和抽样方法相同的，情况下，甲区的抽样误差要比乙区高=41.4%。

5．对某天生产的2000件电子元件的耐用时间进行全面检测，又抽取5%进行抽样复测，资料如表5-1所示。

表5-1耐用时间(小时) 全面检测(支) 抽样复测(支)3000以下3000～4000 4000～5000 50600990230505000以上总计36020018100规定耐用时间在3000小时以下为不合格品，则该电子元件合格率的抽样平均误差为( )。

统计学第六章抽样和抽样分布

统计学第六章抽样和抽样分布

2021/3/4
统计学第六章抽样和抽样分布
4
一、总体与样本
▪ 把握两个问题： ▪ 1、总体和总体参数； ▪ 2、样本和样本统计量。
2021/3/4
统计学第六章抽样和抽样分布
5
1、总体与总体参数
（1）总体：指根据研究目的确定的所 要研究的同类事物的全体，是所要说 明其数量特征的研究对象。按所研究 标志性质不同，分为变量总体和属性 总体，分别研究总体的数量特征和品 质特征。 构成总体的个别事物（基本单元 ）就是总体单位，也称个体。总体单 位的总数称为总体容量，记作N。
缺点：受主观影响易产生倾向性误差； 不能计算、控制误差，无法说明调查结果 的可靠程度。
抽样一般都是指概率抽样。
2021/3/4
统计学第六章抽样和抽样分布
15
2、重复抽样和非重复抽样
（1）重复抽样：又称重置抽样，是指从总体 中抽出一个样本单位，记录其标志值后，又将 其放回总体中继续参加下一轮单位的抽取。特 点是：第一，n个单位的样本是由n次试验的结 果构成的。第二，每次试验是独立的，即其试 验的结果与前次、后次的结果无关。第三，每 次试验是在相同条件下进行的，每个单位在多 次试验中选中的机会(概率)是相同的。在重复 试验中，样本可能的个数是 N n ，N为总体单位 数，n为样本容量。
2021/3/4
统计学第六章抽样和抽样分布
16
2、重复抽样和非重复抽样
（2）非重复抽样：又称为不重置抽样，即每次从
总体抽取一个单位，登记后不放回原总体，不参加下
一轮抽样。下一次继续从总体中余下的单位抽取样本
。特点是：第一，n个单位的样本由 n 次试验结果构成
统计学第六章抽样和抽样分 布
第六章 抽样与抽样分布

(04)第4章+抽样与抽样分布

(04)第4章+抽样与抽样分布

4-6
统计学
STATISTICS
例题分析
♦ 假定我们刚刚已取了飞机制造所用的铆钉的25个 假定我们刚刚已取了飞机制造所用的铆钉的25个
一组的样本。检测铆钉的抗剪强度，破坏每个铆 钉所需的力是响应变量。对这组样本，可以求得 各种描述性的测量（均值、方差等）。 ♦ 然而，我们的感兴趣的是总体，并不是样本自身。 被测试的铆钉在测试时已被破坏，不能再用在飞 机的制造上，所以我们肯定不能测试所有的铆钉。 我们必须从这组样本或几组这样的样本来决定总 体的某些特性。 ♦ 因此，我们必须设法推断信息，也即基于样本的 观测结果作出总体的推断
(例题分析) 例题分析)
计算出各样本的均值，如下表。 计算出各样本的均值，如下表。并给出样本均 值的抽样分布
4 - 32
样本均值的抽样分布
统计学
STATISTICS
(例题分析) 例题分析)
【例】设一个总体，含有4个元素(个体) ，即总体单位 设一个总体，含有4个元素(个体) 数N=4。4 个个体分别为x1=1，x2=2，x3=3，x4=4 。总 个个体分别为x 体的均值、 体的均值、方差及分布如下 总体分布
4 - 17
统计学
STATISTICS
分层抽样
分层抽样
统计学
STATISTICS
(stratified sampling) sampling)
♦ 分层抽样：在抽样之前先将总体的单位按 分层抽样：
某种特征或某种规则划分为若干层（类）， 然后从不同的层中独立、随机地抽取一定 数量的单位组成一个样本，也称分类抽样 数量的单位组成一个样本，也称分类抽样 sampling） （stratified sampling） ♦ 在分层或分类时，应使层内各单位的差异 尽可能小，而使层与层之间的差异尽可能 大

统计学04第四章抽样与抽样分布

统计学04第四章抽样与抽样分布
抽样分布的计算：
1. 从总体中抽取样本容量相同的所有样 本 — 样本空间；
2. 计算每个样本的样本统计量的取值； 3. 根据样本统计量的所有取值计算相应
的概率； 4. 样本统计量的概率分布 — 抽样分布。
2020/3/2
第四章 抽样和抽样分布
18
3.2 重置抽样下的抽样分布
总体样变本量平的均分数布的：抽样分X 布 100元 2 200 某施工小组X5个员工的 1日0 2工元 资为80、X1 9X02 、X 3 1X040、X5 110、120
N
标准差： σ X X i E X 2 Pi i 1
2020/3/2
第四章 抽样和抽样分布
11
2.3 随机变量的数字特征
概 数学期望
率
N
论 EX X i Pi
i 1
方差
N
σ 2 X X i E X 2 Pi i 1
基本问题
❖ 抽样 ❖ 样本（样本点） ❖ 样本空间 ❖ 随机原则 ❖ 随机抽样 ❖ 重置抽样 ❖ 不重置抽样
2020/3/2
第四章 抽样和抽样分布
15
基本问题
样本点个数
设：总体单位数 N ，样本容量 n ： 样本空间的样本点数为：
重置
不讲
重 顺序
置
不讲 顺序
ANn N n
PNn

N N

1
F x P X x P X X i Pi
Xi x
Xi x
概率分布函数的性质：
P x1 X x2 P X x2 P X x1
F x2 F x1

《统计学》第9章 抽样与抽样分布

《统计学》第9章 抽样与抽样分布

二、抽样中的基本概念
⚫ 样本比例（成数）
p = n1 ，q = n0 = 1− p
n
n
⚫ 样本是非标志的标准差
(n = n0 + n1)
sp =
n p (1− p) =
n −1
n pq n −1
⚫ 样本是非标志的方差
s
2 p
=
n n −1
p(1 −
p)
=
n n −1
pq
第一节 抽样和抽样方法
三、抽样方法
三、抽样方法
⚫ 多阶段抽样
⚫ 在实践中总体所包括的单位数很多，分布很广，通过一次 抽样就选出有代表性的样本是很困难的。此时可将整个抽 样过程分为几个阶段，然后逐阶段进行抽样，最终得到所 需要的有代表性的样本。
第一节 抽样和抽样方法
三、抽样方法
⚫ 多阶段抽样
⚫ 阶段数不宜过多，一般采用两个、三个阶段，至多四个阶 段为宜，否则，手续繁琐，效果也不一定好。
第一节 抽样和抽样方法
二、抽样中的基本概念
⚫ 总体参数
⚫ 总体参数是根据总体各单位的标志值或特征计算的、反 映总体某一属性的综合指标。
⚫ 总体参数是唯一的、确定的常数，但一般情况下又是未 知的。
⚫ 常用的总体参数有 ⚫ 总体均值 ⚫ 总体标准差、总体方差 ⚫ 总体比例（成数）
第一节 抽样和抽样方法
⚫ 样本标准差
s =
1 n −1
n i =1
(xi
−
x )2，或s
=
1
m
m
(xi − x )2 fi
fi −1 i=1
i =1
⚫ 样本方差
( ) ( ) s2 = 1 n n −1 i=1

抽样及抽样分布

抽样及抽样分布

分层抽样 概念：分层抽样又称类型抽样。首先将总体单
位按某一个标志分层；然后在各层按随机抽样的方 法分别抽出各层的样本。
特点：分层抽样在层内是抽样调查，层间是全面调
查，所以分层时应该尽量让每层内的变异程度小，
而层间的变异程度大。分层抽样的抽样误差较简单 随机抽样小，样本具有很好的代表性。
抽样平均误差的计算公式：
z
(
X 1
X
)
2
( 1
2
)
s2 1
s2 2
n1 n2
渐近服从标准正态分布。
如果： X1 和 X2 是两个非正态总体，当和样本容
量足够大，
z
(
X1
X
2
)
(1
2
)
s2 1
s2 2
n1 n2
渐近服从标准正态分布。
NEXT
二、样本成数及成数差的抽样 分布
成数的概念 样本成数的分布 两个总体样本成数差的分布
，则样本的成数为p n1
n
。
例如，某工厂生产某种电子元件，某批产品
共10000件，其中不合格品100件原则抽100件，其中
有3件不合格品，则样本的成数为p 3% 。
NEXT
样本成数的分布
用途：推断或估计总体的成数。例如某项改革 方案工人的支持率，产品的正品率等。
假设A、B、C、D、E5位同学的统计学成绩分别为： 80、 86、90、92、96。可计算得总体均值为88.8，总体方 差为29.76。现在随机从中抽容量为2的样本。
重复抽样的所有可能的样本：
样本（AA）（AB）（AC）（AD）（AE）
均值 80 83 85
86 88
样本 （BA）（BB） （BC） （BD）（BE）

抽样检验和抽样分布

抽样检验和抽样分布

抽样检验和抽样分布1. 引言抽样是统计学中非常重要的概念，通过对总体的一局部样本进行研究和分析，可以得出关于总体的推断和结论。

抽样检验是统计推断的一种方法，用于判断样本与总体之间是否存在显著差异。

抽样分布是抽样统计量的概率分布，是基于样本的随机变量，用于进行统计推断和估计。

2. 抽样检验抽样检验是统计推断的一种方法，用于判断样本与总体之间是否存在显著差异。

在抽样检验中，我们首先提出一个原假设和一个备择假设，然后通过计算样本统计量的概率来判断原假设是否成立。

常用的抽样检验方法包括：2.1 单样本 t 检验单样本 t 检验用于判断一个样本的均值是否与总体均值存在显著差异。

通过计算样本的 t 统计量来进行判断，如果 t 统计量的值较大，说明样本均值与总体均值之间存在显著差异。

2.2 双样本 t 检验双样本 t 检验用于判断两个样本的均值是否存在显著差异。

通过计算两个样本的 t 统计量来进行判断，如果 t 统计量的值较大，说明两个样本的均值之间存在显著差异。

2.3 卡方检验卡方检验用于判断两个或多个分类变量之间是否存在关联性。

通过计算卡方统计量来进行判断，如果卡方统计量的值较大，说明分类变量之间存在关联性。

2.4 方差分析方差分析用于判断一个因变量在不同组之间是否存在显著差异。

通过计算方差比率统计量来进行判断，如果方差比率统计量的值较大，说明不同组之间的因变量存在显著差异。

3. 抽样分布抽样分布是抽样统计量的概率分布，是基于样本的随机变量，用于进行统计推断和估计。

常用的抽样分布包括：3.1 正态分布在很多情况下，当样本容量足够大时，抽样分布可以近似地认为是正态分布。

正态分布是一种对称的连续概率分布，其概率密度函数可由均值和标准差完全描述。

3.2 学生 t 分布学生 t 分布是在样本容量较小、总体标准差未知的情况下使用的抽样分布。

学生 t 分布相比于正态分布，具有更宽的尾部，适用于小样本量的情况。

3.3 卡方分布卡方分布是基于正态分布的样本推断中经常使用的一种抽样分布。

第7章抽样与抽样分布

第7章抽样与抽样分布

· · ·
· · ·
统计学
STATISTICS
3· 等距抽样（机械抽样或系统抽样）
将总体单位按某一标志排序，然后按相等间隔 抽取样本单位构成样本的抽样形式 随机起点 · · · · · · （总体单位按某一标志排序） 按无关标志排队，其抽样效果相当于简单随机抽样； 半距起点 对称起点
按有关标志排队，其抽样效果相当于类型抽样。
明确 总体及 抽样单位
统计学
STATISTICS
明确 调查目 的
确定或构 建抽样框
提出指标 精度要求
选择抽样 组织形式
2019/1/31
确定 样本容量
制定 具体办法 步骤
23
统计学
STATISTICS
2.抽样方案设计的基本原则
（1）保证实现抽样随机性的原则 （2）保证实现最大的抽样效果原则
3.抽样方案设计中的重要问题
不重复抽样
每次从总体中抽选一个单位后就不 再将其放回参加下一次的抽选。又 称不放回抽样. 总体单位数减少n，同一单位只可 7 能被抽中一次。
2019/1/31
可能的样本数目考虑各单Biblioteka 的中选顺序 AB≠BA统计学
STATISTICS
考虑顺序的重复抽样 不考虑顺序的重复抽样 考虑顺序的不重复抽样
N
n
Nn N 2
15
（二）随机抽样的组织方式 STATISTICS
1· 简单随机抽样（纯随机抽样）
根据随机原则直接从总体中抽取单位构成样 本的一种抽样方式。
•每个容量为n的样本都有同等机会(概率)被抽中 •简单、直观，是最简单、最基本、最符合随机原 则，但同时也是抽样误差最大的抽样组织形式 •仅适用于规模不大、分布比较均匀的总体 •一般有抽签、抓阄、随机数码表、抽样函数等

抽样与抽样分布

抽样与抽样分布

抽样与抽样分布抽样是统计学中一种重要的数据收集方法，通过从总体中选择一部分样本来代表整体，可以更方便、更经济地进行数据分析和推断。

而抽样分布则是与抽样密切相关的概念，指的是样本统计量的概率分布。

本文将从抽样的定义和目的、抽样方法和抽样分布的性质等方面进行探讨。

一、抽样的定义和目的抽样是统计学中利用一定的方法和技术从总体中选取一部分个体作为样本，以了解总体特征或者对总体进行推断的过程。

抽样的目的在于通过对样本的观测和研究来推断总体的特征，而无需对整个总体进行调查。

抽样可以减少调查或实验的成本、节约时间，并且在一定程度上能够保证结果的可靠性和精确度。

二、抽样方法1. 简单随机抽样：简单随机抽样是指从总体中随机选择样本，使每一个样本都有相同的概率被选中。

简单随机抽样通常需要使用随机数表、随机数发生器或者抽签等方法来实现。

2. 系统抽样：系统抽样是按照一定的规则和系统性地从总体中选择样本，例如每隔一个固定的间隔选取一个样本。

系统抽样的优点在于操作简单，但是如果总体中存在某种周期性或者规律性的分布，可能会导致抽样结果的偏差。

3. 整群抽样：整群抽样是将总体根据某些特征进行分类，然后从每个分类中随机选择一定数量的群体作为样本。

整群抽样适用于总体中存在明显的群体结构的情况，可以提高样本的代表性。

4. 分层抽样：分层抽样是按照某种特征将总体分为若干层，然后从每一层中随机选择一定数量的样本。

分层抽样可以更好地体现总体的结构和差异，提高样本的代表性和准确性。

三、抽样分布的性质抽样分布是样本统计量的概率分布，其具有以下几个重要性质：1. 无偏性：如果样本统计量的期望值等于总体参数的真值，那么称该统计量是无偏的。

即样本统计量是对总体参数的无偏估计。

无偏性是抽样分布的重要性质，保证了样本统计量的可靠性和准确性。

2. 一致性：当样本数量趋向无穷大时，样本统计量的值趋向于总体参数的真值。

即样本统计量在大样本情况下能够接近总体参数，具有一致性。

统计学之抽样与抽样分布

统计学之抽样与抽样分布
a. n/N > 30 b. N/n < 0.05 c. n/N < 0.05 d. n/N > 0.05
正确答案: d. n/N > 0.05
8. 从一个均匀分布的总体中抽取一个样本容量为45的样本， 从什么分布？
a. 指数分布 b. 正态分布 c. 均匀分布 d. 无法判断
正确答案: b. 正态分布
考察所有900个申请者
• 考试成绩
• 总体平均成绩
xi 990
900
• 总体标准差
(xi )2 80 900
考察所有900个申请者
• 无相同工作经验的申请者比例
• 总体比例
p 648 .72 900
使用随机数表随机选择30个申请者作为样本进行研 究,从书上随机数表第三列开始
统计学之抽样与抽样分 布
2021年7月19日星期一
Chapter 7
抽样和抽样分布
本章主要内容
简单随机抽样 点估计 抽样分布
样本平均值x 的抽样分布 样本比例 p 的抽样分布
抽样方法
n = 100
n = 30
统计推断
统计推断的目的是利用样本的信息推断总体的信息 总体是指感兴趣的所有元素的集合 样本是总体的一个子集 通过样本统计量对总体参数进行估计 只要抽样方法恰当，通过样本统计量可以对总体参 数进行很好的估计
点估计
• x 作为 的点估计值 x xi 29,910 997
30 30
• s 作为 的点估计值
s
(xi x )2 163,996 75.2
29
29
• p 作为p 的点估计值
p 20 30 .68
值得注意的是，不同的随机数会导致不同的抽样，也就会 数的不同的点估计值

抽样与抽样分布

抽样与抽样分布

N (1.0 2.5) 2 (4.0 2.5) 2 2 0.625 16 n
比较及结论：1. 样本均值的均值(数学期望) 等于总体均值 2. 样本均值的方差等于总体方差的1/n
样本均值的分布与总体分布的比较 (例题分析)
总体分布
.3 P(X)
抽样分布
.3 .2 .1 0
样本均值的抽样分布
(例题分析)
【例】设一个总体，含有4个元素(个体) ，即总体单位 数N=4。4 个个体分别为x1=1、x2=2、x3=3 、x4=4 。总 体的均值、方差及分布如下 总体分布
.3
均值和方差

x
i 1
N
i
.2 .1 0
1 2 3 4
N
N i 1
2.5
2
2 ( x ) i
抽样中的泰坦尼克事件
在1936年美国总统选举前一份颇有名气的 杂志的工作人员做了一次民意调查, 调查兰 顿(当时任堪萨斯州州长)和罗斯福(当时总 统)中谁将担任下一界总统, 为了了解公众意 向, 调查者通过电话簿和车辆登记簿上的名 单给一大批人发了调查表, 通过分析回收的 调查表, 发现兰顿非常受欢迎,于是此杂志预 测兰顿将在选举中获胜.
系统抽样（systematic sampling）
将总体各单位按某种顺序排列，并按某种规则确 定一个随机起点，然后，每隔一定的间隔抽取一 个单位，直至抽取n个单位形成一个样本。
整群抽样（cluster sampling）
在总体中以群（或组）为单位，将简单或系统抽 样方式，抽取若干群（或）组，然后对所有抽中 的各群（或各组）中的全部单位一一进行调查。
1. t 分布是对称分布，均值为0。 2. 样本容量大于或等于30时， t 分布接近于标准正态分布，这时可 用标准正态分布来代替t 分布。 3. t 分布是一个分布族，不同自由度对应不同的 t 分布。 4. 与标准正态分布相比，t 分布的中心部分较低，两个尾部较高。 5. 变量t 的取值范围在 与 之间。

抽样和抽样分布培训课件(PPT 49张)

抽样和抽样分布培训课件(PPT 49张)

0.07 0.5279 0.5675 0.6064 0.6443 0.6808 0.7157 0.7486 0.7794 0.8078 0.8340 0.8577 0.8790 0.8980 0.9147 0.9292 0.9418 0.9525 0.9616 0.9693 0.9756 0.9808 0.9850 0.9884 0.9911 0.9932 0.9949 0.9962 0.9972 0.9979 0.9985 0.9989
7
自有限总体的抽样
• 无放回抽样：一个元素一旦选入样本，就从总体中剔除， 不能再次被选入。 • 放回抽样：一个元素一旦选入样本，仍被放回总体中。
先前被选入的元素可能再次被选，并且在样本中可出现
多次（多于一次）。
8
自无限总体的抽样
• 无限总体经常被定义为一个持续进行的过程，总体的元 素由在相同条件下过程无限运行下去产生的每一项构成。 在这种情况下，对总体内所有项排列是不可能的。
14
点估计
样本均值 51814.00美元 样本标准差
3347.72美元
样本比率 0.63
点估计的 统计过程
15
由30名管理人员组成的简单随机样本的点估计值
16
由30名管理人员组成的500个简单随机样本的点估计值
17
由30名管理人员组成的500个简单随机样本的抽样分布
• 抽样分布：样本统计量所有可能值构成的概率分布。
0.04 0.5160 0.5557 0.5948 0.6331 0.6700 0.7054 0.7389 0.7704 0.7995 0.8264 0.8508 0.8729 0.8925 0.9099 0.9251 0.9382 0.9495 0.9591 0.9671 0.9738 0.9793 0.9838 0.9875 0.9904 0.9927 0.9945 0.9959 0.9969 0.9977 0.9984 0.9988
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

2.5
3
{1,3}
{2,3}
{3,3}
{4,3}
3
2
2.5
3
3.5
{1,4}
{2,4}
{3,4}
{4,4}
4
2.5
3
3.5
4
样本均值的抽样分布
x 的取值
1.0 1.5 2.0 2.5 3.0 3.5 4.0
x 的个数
1 2 3 4 3 2 1
概率 1/16 2/16 3/16 4/16 3/16 2/16 1/16
所以P(X2.77)=0.9972
(3) 因为P(X>1)=1-P(X1)=1-(1) 查正态分布数值表，(1)=0.8413 所以 P(X>1)=1-(1)=0.1587
例: 设随机变量XN(0,1)，求下列概率：
(1)P(X<0)；
(2)P(X2.77)；
(3)P(X>1)；
(4)P(-1.80<X<2.45)．
随机样本
与总体分布 特征相同
与总体分布 特征不同
总体
非随机样本
并非所有的抽样估计都按随机原则抽取样本， 也有非随机抽样。
抽样的基本概念
总体，要研究的调查对象的全体。 个体，组成总体的每个元素。 样本：从总体中随机抽取的部分个体。 样本容量：样本中所含的个体数量。
样本和总体（sample & population）
抽样方法－非概率抽样
不是完全按照随机原则选取样本 非随机抽样：由调查人员自由选取被调查者； 判断抽样：通过某些条件过滤来选取被调查者；
抽样分布
在讨论抽样分布之前，需要回顾以下一些与 概率分布有关的概念：
随机变量、离散型随机变量及其概率分布、 连续型随机变量及其概率分布。
概率密度函数。
随机变量（Random Variable）
随机变量是表征一个随机试验结果的变量， 其数值由一次试验结果所决定，但是在试验 之前是不确定的。
随机变量的所有可能取值就是所有基本事件 对应的值。通常用英文大写字母或希腊字母 表示。
离散型、非离散型、连续型。
随机变量（Random Variable）
离散型随机变量：投掷骰子； 非离散型随机变量：某路口24小时内经过的
P(209 x 217) (1.87) (1.87) 0.938
抽样分布例题 3
某酒店电梯标志注明最大载重为18人，1350 kg。 假定已知该酒店游客及其携带行李的平均重量为70 kg，标准差是6 kg。试问，随机进入电梯18人， 总重量超重的概率是多少？ （人的体重服从正态分布）
抽样分布例题 3
样本均值的抽样分布
P(x) 0.3 1/4
0.2 1/8
0.1 1/16
3/16
3/16 1/8
1/16
0
x 1.0 1.5 2.0 2.5 3.0 3.5 4.0
中心极限定理
中心极限定理：不论该总体服从何种分布，只要
当样本容量足够大（n 30），样本均值的分布
都近似服从正态分布。
X ~ N(, 2 )
x
如果要估计总体的均值 ；是用样本平均值 ，
还是用中位数m？
还是掷骰子，总体均值 第一次，2,2,6，m=2
3.5 x 3.33
第二次，3,4,6，m=4， x 4.33
可见，不能仅仅根据一个样本去比较是 x 和 m
样本统计量本身是随机变量，抽样分布就是由样 本n个观察值计算的统计量的概率分布。
总平均身高=168.6CM
抽样的基本概念
抽样误差：用于抽样的随机性所带来的误差， 是一种固有误差。
非抽样误差：调查过程中发生的误差，以及 由于主观因素破坏了随机性原则而产生的系 统性偏差，是可以避免的。
随机抽样设计
不同的抽样方式，对抽样结果有很大影响， 根据研究目的和要求，以及具体情况选择 抽样方式；
离散型随机变量
X的取值xຫໍສະໝຸດ 123456X的概率 P(X=x) 1/6 1/6 1/6 1/6 1/6 1/6
连续型随机变量
连续型随机变量的取值域为一个连续区间。 只有在（连续的）区间上取值时，其概率才
可能为正值，连续型随机变量在任何一点上 的概率都为零。
0 P(x1 X x2 ) 1 (x1 x2 ) P( X x1) P( X x2 ) 0
车辆； 连续型随机变量：灯泡寿命。
离散型随机变量
离散型随机变量的取值域由有限个或可数多 个数值或符号组成。
其概率是指离散型随机变量(X)取一个具体 数值(x)的概率，即P(X= x)。
离散型随机变量的概率分布是指离散型随机 变量取遍每一个实验结果x的概率的分布情 况，常用列表表示，如下表。
( Z a) 2(a) 1
( Z 2.58) 0.99
例: 设随机变量XN(0,1)，求下列概率：
(1)P(X<0)；
(2)P(X2.77)；
(3)P(X>1)；
(4)P(-1.80<X<2.45)．
(1) 查正态分布数值表,当x=0时,对应的(x)=0.5
所以P(X<0)=0.5
(2) 查正态分布数值表，当x=2.77时，对应的(x)=0.9972，
z x x 75 70 3.5355 x 6 / 18
P(x 75) 1 (3.5355) 0.0002
超重的概率只有0.0002 ！
视频教学
抽样误差
167CM 169CM 172CM 160CM 162CM 167CM 175CM 180CM 165CM 167CM
170CM 175CM 178CM 180CM 162CM 173CM 155CM 160CM 170CM 165CM
平均身高=169.8CM 平均身高=174.6CM
案例
1936年美国总统选举的预测，民主党罗斯福VS 共和党兰登。《文摘》邮寄了1000万份调查表； 收回240万份，预测兰登获得57%的选票获胜。 而盖洛普研究所仅仅随机抽取了2000 多选民， 预测罗斯福将得到54%的选票获胜。
选举结果是罗斯福获得62%的选票获胜。 此后，盖洛普研究所每年用1000~1500人的样
随机原则的实现
抽签法，是将总体中每个单位的编号写在外形 完全一致的签上，将其搅拌均匀，从中任意抽 选，签上的号码所对应的单位就是样本单位。
随机数表法：将总体中每个单位编上号码，然 后使用随机数表，查出所要抽取的调查单位。
计算机模拟法：是将随机数字编制为程序存储 在计算机中，需要时将总体中各单位编上号码， 启用随机数字发生器输出随机数字。
n
视频：中心极限定理 视频：样本均值的抽样分布
样本均值的抽样分布
中心极限定理
程序模拟
视频：程序模拟n的不断增加
样本均值的抽样分布与总体的关系
总体分布
正态分布
大样本
小样本
正态分布
非正态分布
大样本
小样本
正态分布
t 分布
抽样分布例题 1
某汽车电池的制造商声称其最好的电池寿命的均值是 54个月，标准差为6个月。某消费组织决定购买50 个该品种电池作为样本来检验电池寿命， 1. 假设该制造商所言为真实的，请描述这50个电池 样本的平均寿命的抽样分布； 2. 假设该制造商所言是真实的，则消费组织的样本 寿命小于或等于52个月的概率是多少？
抽样分布例题 1
因此，假设制造商的声明是真实的，则消费组织观 察到的样本均值（即电池平均寿命）小于或者等于 52个月的概率仅为 0.0094 这么小的概率几乎是不可能发生的！ 那么，如果50 个电池的平均寿命小于52个月，则 说明该制造商所言是不真实的。
抽样分布例题 2
美国汽车联合会（AAA）是一个拥有90个俱乐部的非营 利联盟，它对其成员提供旅行、金融、保险以及与汽车相 关的各项服务。1999年5月，AAA通过对会员调查得知 一个4口之家出游中总体平均每日餐饮和住宿费用大约是 213美元, 标准差是15美元。假设选取49个4口之家， 并对其在1999年6月期间的旅行费用进行记录。
概率密度函数
连续型随机变量的概率密度函数 f (x)
f (x) F(x)
x
F (x) P( X x) f (u)du
概率密度函数的含义：曲线 f (x)下任何一个
区间的面积，等于随机变量 X 在该区间取
值的概率。
最常见的连续型随机变量的概率分布
正态分布（P40）。
若随机变量X的概率密度函数
本快速准确的预测选举，误差在2%之内。
抽样的基本概念
抽样调查，按照随机原则从全部研究对象中抽 取一部分单位进行调查，并以调查结果对总体 数量特征作出具有一定可靠程度的估计与推断， 从而认识总体的一种统计方法。
随机原则：指样本单位的抽取不受主观因素及 其他系统性因素的影响，每个总体单位都有均 等的被抽中机会。
简单随机抽样、等距抽样、类型抽样、整 群抽样、多阶段抽样等。
抽样方法－概率抽样
根据已知的概率选取样本 简单随机抽样：完全随机抽取样本； 分层抽样：总体分“层”，在每一层内进行抽样； 整群抽样：将总体划分为若干群，将一组被调查者
（群）作为一个抽样单位。（群内的个体存在差异， 理想情况是每个群都是总体的一个缩影） 等距抽样：在样本框中，每隔一定距离抽选一个被调 查者。
2 4.5918 x
抽样分布例题 2
z x x 217 213 1.87
x
2.13
P(x 217) 1 (1.87) 1 0.9693 0.031
2). 对z 于 x样本x家庭2来09说 2，13平均z 每2日17消 2费13大于-12.8177美z 元1.的87概 率是多少？ x3). 在202.914美元和2172美.14元之间的概率呢？