- 统计学教程
- 首页
- 调整后R方
- 方差分析
- 算术平均数
- 算术中位数
- 算术众数
- 算术极差
- 条形图
- 最佳点估计
- 贝塔分布
- 二项分布
- 布莱克-斯科尔斯模型
- 箱线图
- 中心极限定理
- 切比雪夫不等式
- 卡方分布
- 卡方表
- 环状排列
- 整群抽样
- 科恩卡帕系数
- 组合
- 有放回组合
- 比较图表
- 连续均匀分布
- 连续数列算术平均数
- 连续数列算术中位数
- 连续数列算术众数
- 累积频率
- 变异系数
- 相关系数
- 累积图
- 累积泊松分布
- 数据收集
- 数据收集 - 问卷设计
- 数据收集 - 观察法
- 数据收集 - 案例研究法
- 数据模式
- 十分位数统计
- 离散数列算术平均数
- 离散数列算术中位数
- 离散数列算术众数
- 点图
- 指数分布
- F分布
- F检验表
- 阶乘
- 频率分布
- 伽马分布
- 几何平均数
- 几何概率分布
- 拟合优度
- 总平均数
- 格姆贝尔分布
- 调和平均数
- 调和数
- 谐振频率
- 直方图
- 超几何分布
- 假设检验
- 个体数列算术平均数
- 个体数列算术中位数
- 个体数列算术众数
- 区间估计
- 逆伽马分布
- Kolmogorov-Smirnov检验
- 峰度
- 拉普拉斯分布
- 线性回归
- 对数伽马分布
- 逻辑回归
- 麦克尼马尔检验
- 平均差
- 均值差异
- 多项分布
- 负二项分布
- 正态分布
- 奇排列和偶排列
- 单比例Z检验
- 异常值函数
- 排列
- 有放回排列
- 饼图
- 泊松分布
- 合并方差 (r)
- 功效计算器
- 概率
- 概率加法定理
- 概率乘法定理
- 概率贝叶斯定理
- 概率密度函数
- 过程能力 (Cp) 和过程性能 (Pp)
- 过程Sigma
- 二次回归方程
- 定性数据与定量数据
- 四分位差
- 经验法则
- 瑞利分布
- 回归截距置信区间
- 相对标准差
- 信度系数
- 所需样本量
- 残差分析
- 残差平方和
- 均方根
- 样本计划
- 抽样方法
- 散点图
- 香农-维纳多样性指数
- 信噪比
- 简单随机抽样
- 偏度
- 标准差
- 标准误 (SE)
- 标准正态表
- 统计显著性
- 统计公式
- 统计符号
- 茎叶图
- 分层抽样
- 学生t检验
- 平方和
- t分布表
- TI-83指数回归
- 变换
- 截尾均值
- I型和II型错误
- 方差
- 韦恩图
- 大数弱定律
- Z表
- 统计学有用资源
- 统计学 - 讨论
统计学 - 抽样方法
抽样方法是从总体中选择参与样本调查的人员的方法。样本可以根据以下标准划分。
概率样本 - 在此类样本中,每个总体元素都有已知的概率或机会被选中。
非概率样本 - 在此类样本中,不能保证每个总体元素都有已知的概率。
概率抽样方法
概率抽样方法确保所选择的样本正确地代表总体,并且所进行的调查在统计上有效。以下是概率抽样方法的类型:
简单随机抽样。 - 此方法具有以下特性:
总体有N个对象。
样本有n个对象。
所有可能的n个对象的样本都有相同的出现概率。
简单随机抽样的一种例子是抽签法。为每个总体元素分配一个唯一的编号,并将这些编号放入碗中。充分混合这些数字。一位蒙着眼睛的研究人员将选择n个数字。将那些编号已被选中的总体元素包含在样本中。
分层抽样 - 在这种抽样方法中,总体根据某些共同特征(如地理位置)被划分为称为层的组。然后使用简单随机抽样方法从每个组中选择样本,然后对这些样本的人员进行调查。
整群抽样 - 在这种抽样方法中,每个总体成员都被分配到一个称为集群的唯一组中。使用简单随机抽样方法选择一个样本集群,然后对该样本集群的人员进行调查。
多阶段抽样 - 在这种情况下,在不同阶段组合不同的抽样方法。例如,在第一阶段,可以使用整群抽样从总体中选择集群,然后可以使用简单随机抽样从每个集群中选择元素以构成最终样本。
系统随机抽样 - 在这种抽样方法中,创建一个包含总体中每个成员的列表,然后从前k个元素中随机选择第一个样本元素。此后,从列表中选择每个第k个元素。
非概率抽样方法
非概率抽样方法方便且节省成本。但是,它们不允许估计样本统计量与总体参数之间可能存在的差异程度。而概率抽样方法允许进行这种分析。以下是几种非概率抽样方法:
自愿样本 - 在这种抽样方法中,会邀请感兴趣的人参与自愿调查。自愿样本的一个很好的例子是新闻节目的在线投票,其中观众被要求参与。在自愿样本中,观众选择样本,而不是进行调查的人。
便利样本 - 在这种抽样方法中,调查员选择容易获得意见的人。例如,调查员选择一个电影院来调查电影观众。如果选择电影院是因为它更容易到达,那么这就是一种便利抽样方法。