深入浅出统计学（十）—— 统计抽样的运用

1. 简介

通过在总体抽取一个好的样本，使其具有代表性，即样本具有与总体十分相似的特性，进而可以根据样本来预测总体的特性，比如数据中心相同。

2. 设计样本

1、确定目标总体：因为只有先弄清目标总体所在处，才能知道样本取自哪里。
2、确定抽样单位：比如可以是一粒口香糖球，也可以是一盒口香糖球。
3、确定抽样空间：涵盖整个目标总体的抽样空间表。

3. 偏倚

偏倚样本无法代表目标总体，由于样本与总体的特性不相似，故无法根据样本对总体作出正确的判断。

样本偏倚的产生诱因主要有：

如上所述，偏倚来源广泛，而其中大部分是归咎于样本选取方法，通过检查样本的选取方法，使偏倚的发生几率降至最低程度。

4. 样本的选择

4.1 简单随机抽样

通过随机过程选取一个大小为n的样本，所有大小为n的可能样本被选中的可能性都相同。

I. 重复抽样

在选取一个抽样单位并记录下这个抽样单位的相关信息之后，再将这个单位放回总体中。如在街上提问，你可能问了一个人多次。

II. 不重复抽样

不再将抽样单位放回总体。如口香糖球检验，尝过的口香糖球是不会被放回总体的。

III.样本的选取

1、抽签 2、随机编号生成器

IV. 简单随机抽样的缺点

仍然存在样本无法代表总体的可能性，因为是随机的，存在万一。比如可能最终抽取到的全是黄色口香糖球，而错失其他颜色。

4.2 分层抽样

定义：将总体按照某些特征分成若干层，然后从每一层中独立地进行简单随机抽样。将总体分割为几个相似的组，每个组具有类似的特性，为此需查看每一个层在总体中所占的比例，然后按照相应比例从每一个层中抽取抽样单位。

应用场景：适用于总体具有明显层次结构的情况，例如按地区、年龄、收入水平等划分的不同群体。

举例：如果调查一个城市的居民对某一政策的看法，可以先将城市按照不同的地区（如市中心、郊区、工业区）进行划分，然后在每个地区内进行简单随机抽样，以确保样本在地区上的代表性。

4.3 整群抽样

定义：将总体分成若干个互不重叠的群体（或称为“群”），然后随机抽取部分群体作为样本。

应用场景：适用于总体中存在明显群体结构的情况，例如按照行业、组织机构等划分的不同群体。

举例：如果研究一个城市的企业对环保政策的态度，可以先将企业按照行业（如制造业、服务业、金融业）进行划分，然后随机选择几个行业作为样本，以确保不同行业在样本中的代表性。

进行整群抽样时，不是对抽样单位进行简单随机抽样，而是对群进行简单随机抽样，然后对每一个群的各种特性进行调查，比如我们可以对一盒盒口香糖球进行简单随机抽样，然后品尝这些盒子里的糖球的味道。
它的优点是不需要使用总体抽样空间就可以进行整群抽样，比如我们在调查数目情况，并把几片特定的森林作为群，则只需要了解那几片森林中的数目就行了。
整群抽样之所以行得通，是因为群与群相互之间很相似。

4.4 系统抽样

定义：通过固定的间隔从总体中随机选择一个起始点，然后以固定的间隔依次抽取样本。

应用场景：适用于总体中不存在明显层次结构或群体结构的情况，例如随机抽取学生或家庭的调查。

举例：如果对一个城市的家庭进行调查，可以从电话簿中随机选择一个起始点（如一个姓氏的第一个字母），然后以固定的间隔选择一定数量的家庭作为样本，以确保样本的随机性和代表性。

按照某种顺序列出总体名单，然后每K个单位进行一次调查。比如可以选择每10个样本抽样一次。
其优点是快捷简单，但缺点是若总体中存在某种循环模式，则样本将发生偏倚。