Loading AI tools
統計學名詞 来自维基百科,自由的百科全书
在統計學中,抽樣(Sampling)是一種推論統計方法,它是指從目標母體(Population,或稱為母群)中抽取一部分個體作為樣本(Sample),通過觀察樣本的某一或某些屬性,依據所獲得的數據對母體的數量特徵得出具有一定可靠性的估計判斷,從而達到對母體的認識。
抽樣過程主要包括以下幾個階段:
目標是所要研究的物件的全體。例如,製造商檢查某個批次的產品質量是否合格,目標母體就是這一批次的產品。抽樣母體是用於從中抽取樣本的母體。按理,抽樣母體應該與目標母體一致,但實踐中時常發生不一致的情況。例如,科學家通過小白鼠試驗來檢測藥物用於人類母體的效果。
在抽樣之前,母體應劃分成抽樣單位,抽樣單位互不重疊且能合成母體,母體中的每個個體只屬於一個單位。抽樣框是一份包含所有抽樣單元的名單。
簡單隨機抽樣(simple random sampling),也叫純隨機抽樣。從母體N個單位中隨機地抽取n個單位作為樣本,使得每一個容量為樣本都有相同的機率被抽中。特點是:每個樣本單位被抽中的機率相等,樣本的每個單位完全獨立,彼此間無一定的關聯性和排斥性。簡單隨機抽樣是其它各種抽樣形式的基礎。通常只是在母體單位之間差異程度較小和數目較少時,才採用這種方法[1]。
系統抽樣(systematic sampling),也稱等距抽樣。將母體中的所有單位按一定順序排列,在規定的範圍內隨機地抽取一個單位作為初始單位,然後按事先規定好的規則確定其他樣本單位。先從數字1到k之間隨機抽取一個數字r作為初始單位,以後依次取r+k、r+2k……等單位。這種方法操作簡便,可提高估計的精度。
分層抽樣(stratified sampling)。將抽樣單位按某種特徵或某種規則劃分為不同的層,然後從不同的層中獨立、隨機地抽取樣本。從而保證樣本的結構與母體的結構比較相近,從而提高估計的精度。
整群抽樣(cluster sampling)。又稱群集抽樣,將母體中若干個單位合併為組,抽樣時直接抽取群,然後對中選群中的所有單位全部實施調查。抽樣時只需群的抽樣框,可簡化工作量,缺點是估計的精度較差[2]。