
- 統計學教程
- 首頁
- 調整後R方
- 方差分析
- 算術平均數
- 算術中位數
- 算術眾數
- 算術極差
- 條形圖
- 最佳點估計
- 貝塔分佈
- 二項分佈
- 布萊克-斯科爾斯模型
- 箱線圖
- 中心極限定理
- 切比雪夫不等式
- 卡方分佈
- 卡方表
- 環狀排列
- 整群抽樣
- 科恩卡帕係數
- 組合
- 有放回組合
- 比較圖表
- 連續均勻分佈
- 連續數列算術平均數
- 連續數列算術中位數
- 連續數列算術眾數
- 累積頻率
- 變異係數
- 相關係數
- 累積圖
- 累積泊松分佈
- 資料收集
- 資料收集 - 問卷設計
- 資料收集 - 觀察法
- 資料收集 - 案例研究法
- 資料模式
- 十分位數統計
- 離散數列算術平均數
- 離散數列算術中位數
- 離散數列算術眾數
- 點圖
- 指數分佈
- F分佈
- F檢驗表
- 階乘
- 頻率分佈
- 伽馬分佈
- 幾何平均數
- 幾何機率分佈
- 擬合優度
- 總平均數
- 格姆貝爾分佈
- 調和平均數
- 調和數
- 諧振頻率
- 直方圖
- 超幾何分佈
- 假設檢驗
- 個體數列算術平均數
- 個體數列算術中位數
- 個體數列算術眾數
- 區間估計
- 逆伽馬分佈
- Kolmogorov-Smirnov檢驗
- 峰度
- 拉普拉斯分佈
- 線性迴歸
- 對數伽馬分佈
- 邏輯迴歸
- 麥克尼馬爾檢驗
- 平均差
- 均值差異
- 多項分佈
- 負二項分佈
- 正態分佈
- 奇排列和偶排列
- 單比例Z檢驗
- 異常值函式
- 排列
- 有放回排列
- 餅圖
- 泊松分佈
- 合併方差 (r)
- 功效計算器
- 機率
- 機率加法定理
- 機率乘法定理
- 機率貝葉斯定理
- 機率密度函式
- 過程能力 (Cp) 和過程效能 (Pp)
- 過程Sigma
- 二次迴歸方程
- 定性資料與定量資料
- 四分位差
- 經驗法則
- 瑞利分佈
- 迴歸截距置信區間
- 相對標準差
- 信度係數
- 所需樣本量
- 殘差分析
- 殘差平方和
- 均方根
- 樣本計劃
- 抽樣方法
- 散點圖
- 夏農-維納多樣性指數
- 信噪比
- 簡單隨機抽樣
- 偏度
- 標準差
- 標準誤 (SE)
- 標準正態表
- 統計顯著性
- 統計公式
- 統計符號
- 莖葉圖
- 分層抽樣
- 學生t檢驗
- 平方和
- t分佈表
- TI-83指數迴歸
- 變換
- 截尾均值
- I型和II型錯誤
- 方差
- 韋恩圖
- 大數弱定律
- Z表
- 統計學有用資源
- 統計學 - 討論
統計學 - 抽樣方法
抽樣方法是從總體中選擇參與樣本調查的人員的方法。樣本可以根據以下標準劃分。
機率樣本 - 在此類樣本中,每個總體元素都有已知的機率或機會被選中。
非機率樣本 - 在此類樣本中,不能保證每個總體元素都有已知的機率。
機率抽樣方法
機率抽樣方法確保所選擇的樣本正確地代表總體,並且所進行的調查在統計上有效。以下是機率抽樣方法的型別:
簡單隨機抽樣。 - 此方法具有以下特性:
總體有N個物件。
樣本有n個物件。
所有可能的n個物件的樣本都有相同的出現機率。
簡單隨機抽樣的一種例子是抽籤法。為每個總體元素分配一個唯一的編號,並將這些編號放入碗中。充分混合這些數字。一位蒙著眼睛的研究人員將選擇n個數字。將那些編號已被選中的總體元素包含在樣本中。
分層抽樣 - 在這種抽樣方法中,總體根據某些共同特徵(如地理位置)被劃分為稱為層的組。然後使用簡單隨機抽樣方法從每個組中選擇樣本,然後對這些樣本的人員進行調查。
整群抽樣 - 在這種抽樣方法中,每個總體成員都被分配到一個稱為叢集的唯一組中。使用簡單隨機抽樣方法選擇一個樣本叢集,然後對該樣本叢集的人員進行調查。
多階段抽樣 - 在這種情況下,在不同階段組合不同的抽樣方法。例如,在第一階段,可以使用整群抽樣從總體中選擇叢集,然後可以使用簡單隨機抽樣從每個叢集中選擇元素以構成最終樣本。
系統隨機抽樣 - 在這種抽樣方法中,建立一個包含總體中每個成員的列表,然後從前k個元素中隨機選擇第一個樣本元素。此後,從列表中選擇每個第k個元素。
非機率抽樣方法
非機率抽樣方法方便且節省成本。但是,它們不允許估計樣本統計量與總體引數之間可能存在的差異程度。而機率抽樣方法允許進行這種分析。以下是幾種非機率抽樣方法:
自願樣本 - 在這種抽樣方法中,會邀請感興趣的人參與自願調查。自願樣本的一個很好的例子是新聞節目的線上投票,其中觀眾被要求參與。在自願樣本中,觀眾選擇樣本,而不是進行調查的人。
便利樣本 - 在這種抽樣方法中,調查員選擇容易獲得意見的人。例如,調查員選擇一個電影院來調查電影觀眾。如果選擇電影院是因為它更容易到達,那麼這就是一種便利抽樣方法。