第四章 抽样与抽样分布
第一节 抽样技术
一、抽样技术中的基本概念 (一)总体和样本
1、总体:所研究的全部元素的集合 ,其中的每一个元素称为个体。 分为有限总体和无限总体
(1)有限总体的范围能够明确确定,且元素的数目是有限的 (2)无限总体所包括的元素是无限的,不可数的
2、样本:从总体中抽取的一部分元素的集合。构成样本的元素的数目称为样本容量 (1)样本容量:一个样本所包含的总体基本单元数 · n<30 的样本叫小样本 · n ? 30 的样本叫大样本
(2) 数理统计中,在用样本数量特征推断总体数量特征时,大小样本使用的推断方法有
所不同.社会经济现象的抽样推断中,绝大多数采用的是大样本
(二)参数和统计量
1、参数:研究者想要了解的总体的某种特征值。总体参数通常用希腊字母表示,所关心的参数主要有总体均值(?)、标准差(?)、总体比例(π)等。
2、统计量:根据样本数据计算出来的一个量。样本统计量通常用小写英文字母来表示,所关心的样本统计量有样本均值(?x)、样本标准差(s)、样本比例(p)等 (三)抽样框与抽样单元
1、抽样框:是包括全部总体单位的一个框架,用来代表总体,从中抽取样本单元。 (1)抽样框的主要形式:名单抽样框;区域抽样框,比如地图;时间表抽样框
(2)抽样框的意义:实施抽样的基础,抽样框的编制影响抽样的随机性和抽样效果的实现 (3)对抽样框的基本要求:一个理想的抽样框应该与目标总体一致,不重不漏;应尽可能地提供抽样单元的名称和地理位置、联系方式等信息;还应尽可能多地提供与研究的目标量有关的辅助信息,以便调查人员利用这些辅助信息搞好抽样设计,提高抽样估计的效率,比如:对企业做调查,除了有企业名单目录外,还应该有企业的联系方式、法人代表、注册信息,甚至近期主要经济或财务指标的数据等
2、抽样单元:构成抽样框的基本要素,它可以是自然形成的,也可以是人为划分的。 ·抽样单元与总体基本单元(Base unit)的关系有两种:
(1)抽样单元=总体基本单元。比如,简单随机抽样,分层抽样,系统抽样等 (2)抽样单元=总体基本单元的集合。比如,整群抽样,多阶段抽样 (四)抽样方法和样本可能数目 1、重置和不重置抽样
(1)重置抽样:也叫重复抽样/回置抽样,是指从总体的N个单位中抽取一个容量为n的样本,逐个抽取。每次抽出一个单位记录后,再将其放回总体中参加下一次抽取,这样连续抽n次即得到一个样本。同一总体单位有可能被重复抽中;每次都是从N个总体单位中抽取;n次抽取就是n次相互独立的随机试验
(2) 不重置抽样:也叫不重复抽样/不回置抽样,指抽中单位不放回总体中,下一个样本单位只能从余下的总体单位中抽取。 也可以一次抽n个。每次抽取是在不同数目的总体单位中进行的;同一总体单位不可能被重复抽中;n次抽取可看作是n次互不独立的随机试验。 2、样本可能数目M:按某抽样方案从总体中抽样,可能抽出的所有的样本的个数 (1)考虑顺序的重复抽样的样本可能数目 M?NnN!nM?P?N(2)考虑顺序的不重复抽样的可能样本数目(独立事件乘法原理) (N?n)! (N?n?1)!nM?C?N?n?1(3)不考虑顺序的重复抽样的可能样本数目(组合) n!(N?1)!
N!nM?C?N(4)不考虑顺序的不重复抽样的可能样本数目 n(!N?n)!二、抽样技术
(一)概率抽样:根据一个已知的概率来抽取样本单位,也称随机抽样 ·特点:按一定的概率以随机原则抽取样本;抽取样本时使每个单位都有一定的机会被抽中;每个单位被抽中的概率是已知的,或是可以计算出来的;当用样本对总体目标量进行估计时,要考虑到每个样本单位被抽中的概率
1、简单随机抽样/纯随机抽样:从总体N个单元中随机地抽取n个单元作为样本,每个单元进入样本的概率是相等的。比如利用随机数表、抽签、摇奖机等进行的抽样都是srs 是最基本的抽样方法,是其它抽样方法的基础 (1)、特点:适用于均匀总体;直接从抽样框中取样,简单、直观;用样本统计量对目标量进行估计比较方便 (2)、局限性:当N很大时,不易构造抽样框;抽出的单位很分散,给实施调查增加了困难;没有利用其它辅助信息以提高估计的效率
2、分层抽样(类型抽样) :抽样分两步完成,即先分层→后各层内独立抽样。 (1)、将抽样单元按某种特征或某种规则划分为不同的层,然后从不同的层中独立、随机地抽取样本单元构成样本 (2)、优点:更能保证样本的结构与总体的结构相近,从而提高估计的精度;抽样方法灵活,组织实施调查方便;既可以对总体参数进行估计,也可以对各层的目标量进行估计 3、系统抽样:抽样分三步完成,先排序→确定起始单元→确定其他样本单元。将总体中的所有单元(抽样单元)按一定顺序排列,在规定的范围内随机地抽取一个单元作为初始单元,然后按事先规定好的规则确定其它样本单元。比如,等距抽样,先从数字1到k之间随机抽取一个数字r作为初始单元,以后依次取r+k,r+2k…等单元 (1)、优点:操作简便,可提高估计的精度 (2)、 缺点:对估计量方差的估计比较困难
4、整群抽样:抽样分两步完成,分群→抽群。将总体中若干个单位合并为组(群),抽样时直接抽取群,然后对中选群中的所有单位全部实施调查 (1)、特点:抽样时只需群的抽样框,可简化工作量;调查的地点相对集中,节省调查费用,方便调查的实施 (2)、缺点:估计的精度较差(样本单位过于集中,抽样误差大)。
5、多阶段抽样/多级抽样:指分两个或两个以上的阶段来完成抽取样本单元的过程。如,我国的城市居民住户调查采用三或四阶段抽样 ——第一阶段:抽选调查城市
——第二阶段:从抽中城市中抽选居委会(或抽街道办事处再抽居委会) ——第三阶段:从抽中的居委会中抽取调查户
·多阶段抽样可根据需要和可能,将几种抽样方式结合运用,比如第一阶段用PPS抽样,第二阶段用分层抽样,第三阶段用简单随机抽样等
6、不等概抽样:总体中各单元被抽中的概率不相等。这个概率通常与各单元的某个辅助变量大小成正比例
(1)①各单元被抽中的概率称为“入样概率”。设总体含有N个单元,那么各单元入样概率用Zi(i=1,2,…,N)表示。在不等概抽样下,Zi是不完全相同的
②“Zi与某一辅助变量Xi大小成正比例”。如果某一单元的辅助变量越大,则该单元被抽中的概率越大。所以,辅助变量也称为入样指标 Zi=Xi/∑Xi,(i=1,2,…,N) ∑Zi=1
&&&是否需要入样指标来确定入样概率,成为不等概率抽样和等概率抽样的本质区别 (2)不等概抽样作用或适用性
①各抽样单元在总体中所占的地位不一致
居民住户调查中,调查家庭的日常消费支出或娱乐/保健品等奢侈消费支出,会采用不同的抽样设计
为估计一城市的商业销售总额,对各商业网点进行调查 以船舶为抽样单元,对船舶运输量进行调查
以个人储户为抽样单元,调查储户对银行服务的满意度 以个人用户为抽样单元,调查移动业务用户的满意度
②调查的总体单元与抽样总体的单元不一致的情况,比如: 大型企业对职工家庭情况进行调查 某小学对在校生家庭情况进行调查
③改善估计量. 不等概抽样还广泛应用于由于种种原因不能或不需要对基本单元直接抽样的情形,比如整群抽样(CL: cluster sampling) 中,若群大小(用群内包含的BU数Mi表示) 相差较大,常采用对群的不等概抽样;多阶段抽样(MS: Multi-Stage sampling)中,若初级单元大小(用所包含的次级单元数目表示)相差较大,则常采用对初级单元的不等概抽样 比率估计中消除小样本比率估计量偏倚的方法——水野法
第二节 正态分布及几个重要的统计分布
一、连续型随机变量的概率分布
(1)连续型随机变量可以取某一区间或整个实数轴上的任意一个值 (2)它取任何一个特定的值的概率都等于0 (3)不能列出每一个值及其相应的概率 (4)通常研究它取某一区间值的概率
(5)用概率密度函数的形式和分布函数的形式来描述
1、正态分布:描述连续型随机变量的最重要的分布。许多现象都可以由正态分布来描述。可用于近似离散型随机变量的分布,例如: 二项分布。经典统计推断的基础 (1)概率密度函数
f(x) = 随机变量 X 的频数 ? = 正态随机变量X的均值 ? ?= 正态随机变量X的方差 ? = 3.1415926; e = 2.71828
x = 随机变量的取值 (-? < x < +?) (2)正态分布函数的性质
1>图形是关于x=?对称的钟形曲线,且峰值在x=? 处
2>均值?和标准差?一旦确定,分布的具体形式也惟一确定,不同参数正态分布构成一个
完整的“正态分布族”
3>均值?可取实数轴上的任意数值,决定正态曲线的具体位置;标准差决定曲线的“陡峭”或“扁平”程度。?越大,正态曲线扁平;?越小,正态曲线越高陡峭
4>当X的取值向横轴左右两个方向无限延伸时,曲线的两个尾端也无限渐近横轴,理论上永远不会与之相交
5>正态随机变量在特定区间上的取值概率由正态曲线下的面积给出,而且其曲线下的总面积等于1
2、标准正态分布:随机变量具有均值为0,标准差为1的正态分布。任何一个一般的正态分布,可通过下面的线性变换转化为标准正态分布
(1)标准正态分布的概率密度函数
(2)标准正态分布的分布函数
(3)常用区间的正态概率值
(4)数据正态性的评估
1>对数据画出频数分布的直方图或茎叶图
2>若数据近似服从正态分布,则图形的形状与上面给出的正态曲线应该相似,绘制正态概
率图。有时也称为分位数—分位数图或称Q-Q图或称为P-P图
·用于考察观测数据是否符合某一理论分布,如正态分布、指数分布、t分布等等
·P-P图是根据观测数据的累积概率与理论分布(如正态分布)的累积概率的符合程度绘制的 ·Q-Q图则是根据观测值的实际分位数与理论分布(如正态分布)的分位数绘制的 3>使用非参数检验中的Kolmogorov-Smirnov检验(K-S检验) (5)正态概率图的分析
1>实际应用中,只有样本数据较多时正态概率图的效果才比较好。当然也可以用于小样本,但此时可能会出现与正态性有较大偏差的情况
2>在分析正态概率图时,最好不要用严格的标准去衡量数据点是否在一条直线上,只要近似在一条直线上即可
3>对于样本点中数值最大或最小的点也可以不用太关注,除非这些点偏离直线特别远,因为这些点通常会与直线有偏离。如果某个点偏离直线特别远,而其他点又基本上在直线上时,这个点可能是离群点,可不必考虑 3、t分布
(1)定义:设随机变量X~N(0,1),Y~?2(n) ,且X与Y独立,则称
是自由度为n的t分布,记为t~t(n)。
(2)与t分布相关的抽样分布:设总体,从中抽取容量为n的样本,
则
(3)t分布(图示):? t 分布是类似正态分布的一种对称分布,它通常要比正态分布平坦和分散。一个特定的分布依赖于称之为自由度的参数。随着自由度的增大,分布也逐渐趋于正态分布
4、?2分布
设,则;
令
yn,则随机变量
则 y 服从自由度为1的?2分布,即对于n个正态随机变量y1 ,y2 ,
百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读,免费范文网,提供经典小说综合文库描述统计:表格与图形方法(3)在线全文阅读。
相关推荐: