1 / 63

第七章

第七章. 抽樣與抽樣分配. 機率抽樣. 機率抽樣之定義 : 在完整定義的母體中 , 每一個個體都有一個不為零的中選機會 。 非機率抽樣 : 凡不屬於這個定義的範圍. 抽樣分配 樣本統計量為隨機樣本的函數，而隨機樣本是由 n 個隨機變數　　　　　 所組成的，故樣本統計量亦為一隨機變數，其機率分配稱為抽樣分配。. 抽樣誤差 抽樣誤差是樣本統計量與相對應的母體參數間的差異。此種差異來自抽樣過程的機遇 (chance) ，抽樣方法及推論方法的不同。. 非抽樣誤差 非抽樣誤差主要來自調查時的執行與事後在記錄、整理資料時所發生的錯誤。.

mandelina-jorgensen
Download Presentation

第七章

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 第七章 抽樣與抽樣分配

  2. 機率抽樣 機率抽樣之定義: 在完整定義的母體中,每一個個體都有一個不為零的中選機會。 非機率抽樣:凡不屬於這個定義的範圍

  3. 抽樣分配 樣本統計量為隨機樣本的函數，而隨機樣本是由n個隨機變數　　　　　 所組成的，故樣本統計量亦為一隨機變數，其機率分配稱為抽樣分配。

  4. 抽樣誤差 抽樣誤差是樣本統計量與相對應的母體參數間的差異。此種差異來自抽樣過程的機遇(chance)，抽樣方法及推論方法的不同。 非抽樣誤差 非抽樣誤差主要來自調查時的執行與事後在記錄、整理資料時所發生的錯誤。

  5. 常見的非抽樣誤差-Kish (1965) , Cochran (1977), 韋端(1990) • 偶遇樣本(Haphazard Sample) or 便利抽樣(Convenient Sample): 即碰到誰就選誰,研究者並不在乎調查對象是否有代表性. • 立意選樣(Purposive Sampling) or 判斷抽樣(Judgment Sampling) : 經由專家主觀判斷,立意選定研究者認為 [有代表性] 的樣本來觀察. 樣本無法確認具代表性---是否為專家?? • 自願樣本(Volunteer Subjects): 聽任自動送上門來的人組成樣本群. 無量的代表性,但有質的代表性

  6. 配額選樣(quota sampling): 一母體的人口特徵按比例分配樣本數,在配額之內進行非機率抽樣,調查對象依照特徵分類,根據各類別的百分比每類立意選樣至而滿為止. • 雪球抽樣(snowballed sample) 先找到原始受訪者,然後再從受訪者所提供的資訊找到其他受訪者.

  7. 隨機數表

  8. 簡單隨機抽樣 分層抽樣 叢式抽樣 系統抽樣 便利抽樣 判斷抽樣 抽樣方法 抽樣的結果:用來估計母體的某些特徵值 Ex：輪胎公司製造新的輪胎，實驗抽出120個測式結 果χ=36,500哩，用來當作新輪胎的哩程壽命 機率性的抽樣方法，可用評估方法來評量其優良度 簡單隨機抽樣：抽取程序完全視母體大小為有限或無限

  9. ＣN： n 有限母體 利用隨機數表抽取樣本 6 3 2 7 1 5 9 9 8 6 每個數字6,3,2,7,1，都由0~9隨機選取，具有相同發生的機率，五個字一組是為方便查詢與閱讀。 從N中，抽出一樣本n的簡單隨機樣本，其 抽取方法必須滿足在n中，每一樣本被抽出機率皆相同。 Ex：利用“標籤”從2500主管中，抽出30個樣本，另可用 “隨機數表”。 ※ Ex：資料名單、組織成員名冊、學生註冊名單、信用卡帳戶 、存貨數目

  10. 隨機抽樣 無限母體：元素無法進行編號，必從滿足 1.每個元素皆抽自相同母體 2.每個元素皆可獨立抽出 (ex：顧客抽出特優待卷，不會影響) Ex：持續不斷的程序：車流量、可能達成的顧客人數、銀行交易、CD製造。

  11. 分層抽樣方法－比例抽樣

  12. 母體 資料層1 資料層2 ‧‧‧‧‧ 資料層N 再抽出一元素來代表 分層隨機抽樣 母體先被區隔成數群，相性質放在一層中，即層內元素相異性較低。 若層內同質性高，則層內變異減少，只要“少量”的抽樣即可代表整層的性質

  13. 分層隨機抽樣的優點: • 層內的資料一致而集中，標準差越小，則抽樣誤差也越小. Ex: 以台灣地區民眾為調查母體的抽樣設計,常見分層依據 台北市、高雄市、台灣省5個省轄市各為一層. • 從抽樣的理論來看,能有效降低推論的誤差. • 以推論次母體(各縣市或公私立學校)可使抽樣調查目的易於達成. • 有關工商業界或各行各業的抽樣調查更需要分層.

  14. 集群抽樣法

  15. 母體 叢體1 叢體2 ‧‧‧‧‧ 叢體N 叢式抽樣 一叢體內的元素都是相異性質，所以一叢體都可代表整個母體。 Ex：地區抽樣：將地理區分成n個叢體，訪問者可在同一地區訪問，成本降低，時間減少。(利用增加樣本來補其缺失) 直接隨機抽出一叢體

  16. 系統抽樣法

  17. 系統抽樣(等距抽樣) 先把全體總數N除以樣本數,得到K,即每間隔K個抽一個. Ex：從5000個元素的母體中，抽出50個樣本 　　－以100為單位 先從第一個100元素中，隨機抽出一元素，再從另一個100個元素中，抽出第二個元素。 ※比簡單隨機抽機容易，不必對照隨機數表

  18. 等距抽樣的中選樣本不但可以自動反應母體代表性,亦可降低抽樣誤差. 在大部分母體清冊都電腦化後,等距抽樣成為主流趨勢. 等距抽樣的優點: 快速方便,所以用的多.不需要N與k . Ex:以百貨公司顧客、汽車乘客或球場觀眾為對象,若決定每30人抽一人,即能馬上進行而不必事先知道全體有多少人?或樣本要多少等.

  19. 等距抽樣的缺點:最怕遇到週期性資料, 若此 週期和K成比例,則樣本會死守規則,完全失 去代表性. Ex: 每7天查一次帳,結果永遠查到一星期內 的同一天,後果必然不堪設想.

  20. 分段抽樣法

  21. 便利抽樣 　　非機率性的抽樣方法，其樣本隨其抽樣的方便而 　　決定。 判斷抽樣 　　非機率性的抽樣方法，其樣本隨測試者的判斷而 　　定。

  22. σχ可用來計算μ與χ的距離，因為σχ扮演著 (errors)誤差角色，且被視為平均的標準差。 中央極限定理： 有平均數μ和標準差σ之母體抽出樣本大小為n的簡單隨機樣本，當樣本大小n夠大時，χ的抽樣分配將趨近常態分配。 n≧30，χ的抽樣分配趨近常態分配。 ※當母體是常態分配，則不管樣本的個數，其χ 的抽樣分配亦是常態分配。

  23. 樣分平均數的抽樣分配 母體分配: 母體資料的機率分配。

  24. 母體μ＝？ 從母體抽取n個 簡單隨機樣本 用樣本資料計算 樣本平均數χ 用χ推算 μ？ 隨機變數：一個試驗結果的數值化描述，以抽樣的過程 　　　　　　　當成試驗，χ為此一試驗結果的數值化。 　　　　　　　－樣本平均數χ是一隨機變數。 利用樣本平均數χ來推估母體平均μ是常見的統計方法 在重覆這樣的過程，可以得不同的χ，而所有可能的χ所現成的機率分配稱χ的抽樣分配。

  25. 樣本平均數的平均數與變異數

  26. σ σχ＝ √ √ σχ＝ N-n n N-1 σ （ ） √ n n n N N χ的期望值： 　　Ｅ(χ)=μ 母體平均數 χ的標準差： 有限母體 無限母體 當母體無限或 ≦0.05 有限母體校正因數 當母體有限，且　　＞0.05

  27. 樣本比例的抽樣分配

  28. 的抽樣分配

  29. 母體為常態分配但變異數未知 t分配(小樣本） 自常態母體X~N　　　隨機抽取樣本　　　　　，則統計量 為自由度n-1的t分配。

  30. Ex:假設 df=9，求k值 p(-k<t<k)=0.9 Sol: (-k,k)之機率為0.9 故在k以左與右的機率為0.1 亦即在k以右的機率為0.05 　當 df=9，查表pg719 可得 t0.05＝1.833

  31. 機率抽樣法 樣本平均數的平均數與變異數 簡單隨機抽樣: 抽取樣本時，若所有可能抽出的樣本被抽出的機率均相等。

  32. 樣本平均數的平均數與變異數

  33. 樣本平均數抽樣分配的形狀 常態母體的抽樣分配 若母體為常態分配，平均數為，標準差為 ，則不論樣本數為何，樣本平均數　的抽樣分配亦為常態分配，其平均數和標準差分別為：

  34. 母體比例與樣本比例 母體比例

  35. 樣本比例的平均數

  36. 樣本比例的變異數與標準差 無限母體

  37. 樣本比例的變異數與標準差 有限母體

  38. 母體比例ｐ＝？ 從母體抽出n個 簡單隨機樣本 n n N N √ √ σｐ＝ P(1-P) σｐ＝ N-n 用樣本資料計算 樣本比例ｐ值 用ｐ值來 來推算ｐ值 √ P(1-P) n N-1 n ‧ 樣本比例ｐ的標準差 無限母體 當 ≦0.05時，即母體夠大而樣本夠小時，有無校正因子並無太大差別 有限母體 >0.05時，加上校正因子

  39. 樣本比例(ｐ)的抽樣型態 若樣本夠大，則ｐ的抽樣分配趨近常態機率分配。 即當np≧5，n(1-p) ≧5時，樣本數可認定足夠形成大樣本。

  40. 圖8.1 等待看牙時間(母體)

  41. 圖8.2 等待看牙時間(樣本1) 圖8.3 等待看牙時間(樣本2)

  42. 估計誤差

  43. 資料搜集成本與抽樣誤差的關係

  44. 展示小姐的月薪的次數分配

  45. 展示小姐月薪的母體機率分配

  46. 展示小姐月薪的母體機率分配

  47. 樣本平均數的抽樣分配

  48. 樣本平均數的機率分配

  49. 展示接待小姐月薪的抽樣

More Related