统计学原理 调查方法

概率抽样与非概率抽样

  1. 概率抽样
    • 简单随机抽样
    • 分层抽样
    • 整群抽样
    • 系统抽样
    • 多阶段抽样
  2. 非概率抽样
    • 方便抽样
    • 判断抽样
    • 自愿样本
    • 滚雪球抽样
    • 配额抽样
概率抽样(probability sampling)

也称随机抽样。特点:

  1. 按一定的概率以随机原则抽取样本
  2. 每个单位被抽中的概率是已知的,或是可以计算出来的
  3. 当用样本对总体目标量进行估计时,要考虑到每个样本单位被抽中的概率

(1)简单随机抽样(simple random sampling)

从总体N个单位中随机地抽取n个单位作为样本,每个单位入抽样本的概率是相等的

①最基本的抽样方法,是其它抽样方法的基础

②特点

  • 简单、直观,在抽样框完整时,可直接从中抽取样本
  • 用样本统计量对目标量进行估计比较方便

③局限性

  • 当N很大时,不易构造抽样框
  • 抽出的单位很分散,给实施调查增加了困难
  • 没有利用其它辅助信息以提高估计的效率

(2)分层抽样(stratified sampling)

①将抽样单位按某种特征或某种规则划分为不同的层,然后从不同的层中独立、随机地抽取样本

②优点

  • 保证样本的结构与总体的结构比较相近,从而提高估计的精度
  • 组织实施调查方便
  • 既可以对总体参数进行估计,也可以对各层的目标量进行估计

(3)整群抽样(cluster sampling)

①将总体中若干个单位合并为组(群),抽样时直接抽取群,然后对中选群中的所有单位全部实施调查

②特点

  • 抽样时只需群的抽样框,可简化工作量
  • 调查的地点相对集中,节省调查费用,方便调查的
    实施
  • 缺点是估计的精度较差

(4)系统抽样(systematic sampling)

将总体中的所有单位(抽样单位)按一定顺序排列,在规定的范围内随机地抽取一个单位作为初始单位,然后按事先规定好的规则确定其它样本单位

  • 先从数字1到k之间随机抽取一个数字r作为初始单位,以后依次取r+k,r+2k…等单位

优点:操作简便,可提高估计的精度

缺点:对估计量方差的估计比较困难

(5)多阶段抽样(multi-stage sampling)

先抽取群,但并不是调查群内的所有单位,而是再进行一步抽样,从选中的群中抽取出若干个单位进行调查

  • 二阶抽样中群是初级抽样单位,第二阶段抽取的是最终抽样单位。将该方法推广,使抽样的阶段数增多,就称为多阶段抽样

具有整群抽样的优点,保证样本相对集中,节约调查费用

需要包含所有低阶段抽样单位的抽样框;同时由于实行了再抽样,使调查单位在更广泛的范围内展开

非概率抽样(non-probability sampling)
  • 相对于概率抽样而言
  • 抽取样本时不是依据随机原则,而是根据研究目的对数据的要求,采用某种方式从总体中抽出部分单位对其实施调查
  • 有方便抽样、判断抽样、自愿样本、滚雪球抽样、配额抽样等方式

(1)方便抽样

调查过程中由调查员依据方便的原则,自行确定入抽样本的单位

  • 调查员在街头、公园、商店等公共场所进行拦截调查
  • 厂家在出售产品柜台前对路过顾客进行的调查

优点:容易实施,调查的成本低

缺点:样本单位的确定带有随意性,样本无法代表有明确定义的总体,调查结果不宜推断总体

(2)判断抽样

研究人员根据经

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: 很抱歉,我无法直接呈现思维导图,但是我可以为您列出一些统计学原理的主要知识点: 1. 描述性统计 - 中心趋势:平均数、中位数、众数 - 离散程度:范围、方差、标准差 2. 概率分布 - 正态分布 - t 分布 - 卡方分布 - F 分布 3. 抽样分布 - 样本均值的抽样分布 - 样本比例的抽样分布 4. 参数估计 - 点估计 - 区间估计 5. 假设检验 - 假设检验的步骤 - 单样本 t 检验 - 双样本 t 检验 - 方差分析 - 卡方检验 6. 相关与回归分析 - 相关分析 - 回归分析 - 多元回归分析 希望这些知识点能够对您有所帮助。 ### 回答2: 统计学原理是一门研究数据收集、整理、分析和解释的学科,它提供了一种方法,可以帮助我们从大量数据中找到有意义的信息和模式。以下是统计学原理的基本知识点的思维导图。 1. 数据类型:统计学中的数据可以分为定性数据和定量数据。定性数据是描述性的,无法进行计量,如性别、民族等。定量数据是数值型的,可以进行计量和数值操作,如身高、体重等。 2. 数据收集:数据收集是统计学研究的第一步。它涉及到确定研究对象、设计实验或调查问卷,并采集数据的过程。数据收集的方法包括实验、调查、观察等。 3. 描述统计:描述统计是对数据进行总结和描述的过程,它包括中心趋势和变异程度的度量。中心趋势指示数据的平均水平,包括均值、中位数和众数等。变异程度反映数据的离散程度,包括标准差、方差等。 4. 概率:概率是事件发生的可能性。它在统计学中有着重要的应用。概率包括条件概率、独立性、概率分布等。 5. 统计推断:统计推断是根据抽样数据来推断总体参数的过程。它包括估计和假设检验。估计是对总体参数进行估计的过程,包括点估计和区间估计。假设检验是对总体参数提出假设,并根据样本数据来判断这些假设是否成立。 6. 相关和回归分析:相关分析是研究两个变量之间的关系的统计方法,它用相关系数来度量变量之间的相关性。回归分析是研究因变量和自变量之间关系的统计方法,它通过拟合一个线性回归方程来预测因变量。 7. 抽样方法:抽样方法是从总体中选择样本的方法。常见的抽样方法包括简单随机抽样、分层抽样、系统抽样等。 以上是统计学原理的基本知识点的思维导图。这些知识点涵盖了统计学的主要内容,能够帮助我们理解和应用统计学方法和技巧。 ### 回答3: 统计学原理知识点思维导图如下: 1. 统计学基础 - 定义和目的 - 假设检验与推断 - 数据收集和整理 2. 描述统计学 - 数据的类型:定量和定性变量 - 中心趋势的测量:均值、中位数、众数 - 离散程度的度量:范围、方差、标准差 - 数据的呈现方式:表格、图表 3. 概率与概率分布 - 随机事件与样本空间 - 概率的基本性质 - 离散概率分布:二项分布、泊松分布 - 连续概率分布:正态分布、指数分布 4. 抽样与抽样分布 - 总体和样本的概念 - 抽样的方法:简单随机抽样、系统抽样、分层抽样 - 中心极限定理 - 抽样分布:t分布、χ²分布、F分布 5. 参数估计 - 点估计与区间估计 - 估计量的性质:无偏性、一致性、有效性 - 置信区间的计算与解读 - 样本量的确定 6. 假设检验 - 假设与原假设 - 显著性水平与拒绝域 - 类型I和类型II错误 - 常见的假设检验方法:正态总体均值、比例、方差的假设检验 7. 相关与回归分析 - 相关分析:皮尔逊相关系数、斯皮尔曼相关系数 - 回归分析:简单线性回归、多元线性回归 - 残差分析与模型检验 - 预测与解释变量的选择 这个思维导图涵盖了统计学原理的主要知识点,能够帮助人们系统地理解和学习统计学的基本概念和方法。通过对这些知识点的掌握,人们可以更好地理解和分析数据,并做出准确可靠的统计推断和决策。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值