第三章概率、概率分布与抽样分布.ppt

统计推断的过程 第三章 概率、概率分布与抽样分布 第一节 常用的抽样方法 第二节 抽样分布 1、理解常用的概率抽样方法概念 2、掌握抽样分布的概念 3、掌握单一总体的样本统计量的分布及特征 4、理解中心极限定理的内涵 第一节 常用的抽样方法 一、概率抽样(probability sampling) 1、含义：根据一个已知的概率来抽取样本单位，也称随机抽样。 2、特点： 按随机原则抽取样本：每个单位都有机会 每个单位被抽取的概率是已知或可计算的 当用样本对总体估计时，要考虑每个样本单位被抽中的概率 3、常用的概率抽样方法 （1）简单随机抽样（ simple random sampling) 从总体N个单位中随机抽取n个单位作为样本，使得每一个单位都有相同的概率被抽中的抽样方式。 两种抽取方法： 重复抽样（sampling with replacement） 不重复抽样（sampling without replacement 优点：简单、直观 用样本统计量对总体参数进行估计比较方便 局限性：当N和n很大时，工作量太大 抽出的单位分散，给实施调查增加了困难 （2）分层抽样（stratified sampling) 将总体单位按某种特征划分为若干不同的层，然后从各个层中抽取一定数量的单位共同构成样本的抽样方式。 优点： 保证样本与总体结构相近，可提高估计精度 组织实施调查方便 既可估计总体，也可估计各层子总体 分层注意事项： 层的划分应尽可能符合数据规律，使样本很好代表总体，应遵循“层间差异大，层内差异小”。 （3）系统抽样(systematic sampling) 将总体所有单位按一定顺序排列后，按某种规则随机地确定一个单位为抽样起点，每间隔一定距离抽取一个单位组成样本的抽样方式。 也称等距抽样或机械抽样 实施方法： 排序后，将单位编号1，2，…，N； 确定距离k=N/n，随机取r∈[1,k]作为初始位置； 依次取r+k，r+2k,…,r+(n-1)k等位置单位，组成样本。 优点：操作简便； 总体数量均匀分布时可提高估计精度 缺点：对估计量方差的估计比较困难 （4）整群抽样(cluster sampling) 将总体划分为若干个组(群)，随机抽取部分群，然后对中选群中的所有单位进行调查的抽样方式。 优点： 抽样时只需群的抽样框，简化工作量 调查相对集中，节省调查费用，方便调查实施 缺点：估计的精度较差 整群抽样注意事项： 组群的划分应尽可能符合数据规律，体现出“群内差异大，群间差异小”的原则。 二、非概率抽样(non-probability sampling) 1、含义：抽取样本时不是依据随机原则，而是根据研究目的的要求，采用从总体中人为的选取部分单位实施调查。 2、主要抽样方式： 方便抽样：确定样本单位时主要考虑到方便抽取的因素。 判断抽样：研究人员根据研究内容和以往的经验来确定所抽取的样本单位。 3、特点： 不能对总体进行推断 第二节 抽样分布 一、参数与统计量 二、抽样分布的概念 三、样本均值的抽样分布 四、样本比率的抽样分布 五、样本方差的抽样分布 一、参数与统计量 1、参数（Parameter） 用来描述总体特征的综合指标。 基于总体资料计算： 3、参数与统计量的关系 对于一个既定总体来说，参数是确定的、唯一的。 而从同一个总体由于抽取的样本组成单位不同，由此计算出的统计量则是随机变量。 实践工作中，总体特征往往未知，需要由样本资料进行估计，即由统计量来估计参数。 二、抽样分布 1、总体分布：总体各元素的观察值所形成的分布。 2、样本分布：一个样本容量为n的样本中n个观察值的分布。 3、抽样分布：统计量所有可能取值形成的概率分布。 1）是一种理论概率分布 2）样本统计量是随机变量 样本均值, 样本比例等 3）结果来自容量相同的所有可能样本 三、样本均值的抽样分布 １、概念要点 1）在重复选取容量为n的样本时，由样本均值的所有可能取值形成的概率分布。 2）一种理论概率分布 3）是推断总体均值?的理论基础 ２、形成过程（一个例子） 3、抽样分布形式 中心极限定理 中心极限定理 ?x 的分布 趋于正态 分布的过 程 样本均值的抽样分布与总体分布的关系 4、样本均值抽样分布的特征 1．样本均值的数学期望 2．样本均值的方差 重复抽样 不重复抽样 式中：M为可能样本数目，是指从一个有N个单位的 　　　总体中抽取容量为n的样本时，出现的所有 　　　可能样本的个数。 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