abl.抽样-是从整体中抽取样本的过程.ppt

抽样-随机抽样(遵循随机化原则)和随机抽样(不遵循随机化原则)等整体抽取样品的流程抽样方法。抽样错误在抽样研究中仅将全部部分直接作为研究的对象，然后根据抽样的结果估计总体一般情况。这种估计称为采样错误，简单随机抽样(分为重复抽样和非重复抽样)在整体上提取n个单位作为抽样时，每个整体单位都有相同的机会(概率)。简单随机抽样方法：抽签法、查找表法、计算机制造方法、系统抽样(等距抽样)系统抽样方法实际上是等价法的机械抽样。起始数字根据所需取样容量与对象总数的比率对整个对象进行编号，然后按固定间隔取样。等距采样包括直线等距采样、对称等距采样和循环等距采样。阶段：(1)设置整个n个单位，现在必须将整个n个单位导入到样例中，按与整个要素标志无关的标志等待整个n个单位。(2)确定采样间隔：K=N/n(3)确定起点：N为奇数，r=(K 1)/2；n是偶数，R=(K 2)/2。(4)采样，从r开始，r k，r (n-1) k。例如，当前有180名学生使用系统采样方法将15名学生提取到研究抽样中，分层采样(类型采样)将整个除以特定标志的不同类型或层次结构，然后从不同类型随机提取多个单位以构建抽样。分层采样的具体方法：全部以n为单位进行组织，现在提取n容量的样本集。(1)按主标志将整个划分为r组=N1 N2.创建NR (2)，然后从每个组的n1中用简单随机抽样方法提取ni单位，提取n=n1 N2.NR；(3) n1/n1=N2/N2=.=NR/NR=n/n；(4)每个组的样本数必须为ni=(n/N)Ni。例如：一年级共180人分成4个班，其中甲班n1=40人，乙班n2=50人，c班n3=45人，丁班n4=45人，现在要提取20%作为样品，每个班需要提取多少样品？组采样组采样首先将每个单位划分为组(组)，然后随机抽取组作为组单位，调查正在泵送的组中的所有单位。样例分布的概念：设置从样例的N个观测值计算的统计信息的概率分布示例：总单位数N=4、值x1=1、x2=2、x3=3、x4=4。具有1，2，3，4次球的黑色布袋首先显示整个分布，如下图所示。也就是说，整个分布是均匀的。也就是说，Xi获取每个值的概率是相同的。p(x)=0.25，全部平均=2.5全部方差2=1.25从相应的群体中提取重复抽样容量为n=2的随机抽样，总共有16个可能的抽样。容量为，全部n，n的所有采样都将平均每个X以形成分布，P(x)，X平均，X平均采样分布，0，平均采样分布的一些定理(1)所有可能的采样的平均平均值等于总平均，(2) n但是，在实际操作中，不是提取所有可能的样本并找到整个参数，而是提取随机样本并根据一定的概率推断整个参数，所有可能的样本平均值，即从正态总体中随机抽取的容量为n，将围绕整个平均值进行正态分布。如果已知总体标准偏差，则所有可能的采样平均值和总体平均值的偏差统计信息表示标准正态分布。测试的基本原则总体参数假设测试首先从总体中随机抽取样本，计算统计值，并根据经验提出相应总体参数的假设。也就是说，此示例统计信息的值是此假定的总体参数值的随机示例。也就是说，采样统计信息的值和整体参数值之间的差异是由于采样错误造成的。基于此假设，可以认为以下所有可能的示例统计信息的值应围绕整体参数值(假设)形成相应统计信息的示例分布。如果此随机抽样统计数据的值在抽样分布中产生较大的概率，则应保持此假设(意识到该抽样来自群体)，如果抽样统计数据的值在抽样分布中发生的概率很低(较小概率事件不能发生)，则应拒绝此假设。一、假设(原始和替代假设)2、小概率事件3、重要程度抽样分布中，只要样本统计值小于0.05(或0.01)，即样本统计值位于拒绝区域，则认为发生了小概率事件，必须拒绝原始假设。统计中拒绝零假设的概率称为重要性级别，用alpha表示。例：某小学毕业生汉语拼音测试平均分数为66分，标准差为11.7分。现在同样的考试考试，随机选出了大学毕业生(假定大学毕业生初任条件相同)和18个考试卷，平均为69分，问大学毕业生初汉语拼音考试的成绩是否相同。(2)选择检验统计并计算其值的学生汉语拼音分数可以假定从正规群体中提取随机样本，总体标准差=11.7将样本统计基准分为以下几个步骤进行检验：(1)h 0:=66h 1336066，(3)在本示例中，基于0.05显着