【概率与统计】抽样分布例子

聚焦以下两点：

① 抽样分布的基本概念

② 举例说明总体数据是正态和非正态时的抽样分布

1. 抽样分布

先说什么是统计量。

1.1统计量：根据样本观测值所得的不含有未知参数的函数。

Minitab中，列出了25个统计量，常用的有：均值、均值标准误、标准差、方差、中位数、最大值、最小值、极差等。

1.2抽样分布

统计量的概率分布，称为抽样分布。

常用抽样分布有：正态分布、卡方分布、 t分布等。

2.均值抽样分布

均值的抽样分布是最常见的。

接下来，将举例说明总体数据是正态和非正态的抽样分布，并演示它们如何随着样本量的变化而变化。

2.1总体正态时的均值抽样分布

还是研究长沙男性身高的平均值。先随机测量20位男性的身高，得到其平均值167.8厘米。都知道，如果再随机测量20位男性的身高，其平均值大概率不是167.8厘米，会另外一个均值，如168.3厘米、172.0厘米...

那么，到底要怎么办才能得到相对准确的总体均值呢？一个思路是：找到总体的均值抽样分布。

接下来，随机收集30组样本，每个样本包含20位男性的身高数据。如下图：

注意：为方便展示，1-21组的数据隐藏。

然后，求出每个样本的均值，共得到30个均值。如下。

注：第1-17组样本的样本均值隐藏

将这30个样本均值用直方图展示出来。如下图。可以发现，我们第一次测量的平均值身高为167.8厘米，位于直方图靠左的位置。

从上图可以看到，尽管抽取的样本都是来自同一个总体，但是每个样本的身高均值是变化的。但，基本处于[165.83,172.18]的范围内。如果我们发现样本的均值不在这个范围，这是不寻常的。

长沙男性身高的总体参数，是不知道，只能去估计。但，在Minitab中生成模拟数据的时候，其实是假设总体服从正态分布N（169.10，7.27^2）的。我们可以先假设不知道这个数据，接下来可以用样本数据去推断出来。

当总体服从正态分布时，其抽样分布也将服从正态分布。并且，其均值和标准差有如下关系。

其中：μ和σ是总体的均值和标准差。n是每次取样的大小。

对于上表，需要注意的是，

① 总体分布和抽样分布的中心是一致的。

② 对于标准差而言，抽样分布的标准差除了与总体标准差有关外，还与每次取样的样本数量n有关，其值是总体标准差的1/√n倍。

也就是说，抽样分布不是唯一的，具体取决于样本大小。样本数量一变，抽样分布就变了。

再回到上面身高的例子。坡子街男性身高服从正态分布N（169.10，7.27^2），这是事先不知道的。当使用样本数量N=20去抽样时，得到均值的抽样分布以μ=169.10为中心，均值标准误为1.67。根据这个标准误可以推断出总体的标准差为：1.67*√20=7.46。与总体的标准差7.27，比较接近了。

增大样本量，会怎么样？

接下来，同样在总体的正态分布N（169.10，7.27^2）下，取50万个样本，每个样本大小为20。

然后，再计算出抽样分布的均值和标准误差，那么均值应该是接近理论值169.10，均值标准误差接近其理论值1.625=7.27/√20。

求出「身高均值」的均值和均值标准误分别为：169.1，1.62。与理论值几乎一致。仿真结果如下：

将抽次抽样的数量由20调整到80，会怎么样

抽样分布的均值标准误是总体分布标准差的1⁄√n倍。这说明每次抽样的数量增加，抽样分布的标准误会减小，从图形上看，会更紧密地向均值中心聚集。

再次仿真下。同样是50万个样本，但每个样本的数量不是20个人，而是每组80个人。按照理论值计算，此时均值标准误会由1.62减半至0.81。看看是不是这样。

仿真结果如下：标准差为0.814与0.81很接近。

可以发现：

① 若要标准误减半，每次抽样的样本数量要增加4倍。

② 随着样本数量的增加，样本均值会越来越靠近总体均值。也就是说，更大的样本量会产生更精确的估计。

2.2总体非正态时的均值抽样分布

上面演示的，总体都服从正态分布，抽样分布也服从正态分布。如果总体不是正态分布，而是偏态的，那么其抽样分布会是什么样？

假设身高总体服从自由度为2的卡方分布。自由度小的时候，其形状是右偏的。在Minitab中，生成10万个自由度为2的卡方分布数据，其直方图如下所示。

接下来，从Df=2的卡方分布中，随机抽取50万个样本，样本大小分别为5和30。看看会出现什么结果。

① 样本大小为5时

可以发现：均值为2.0006。这是因为：卡方分布的均值就等于自由度。

均值标准误=0.8953。对比总体分布，现在样本大小为5的抽样分布比较接近正态分布了。

② 当样本大小为30时

均值是2.0001。

但均值标准误=0.3656，比样本大小为5的均值标准误「0.8953」，小了不少。再看抽样分布，可以发现形态非常接近正态分布了。

卡方方差=2倍自由度。在这个案例中，方差等于4，标准差就是2。2/√30=0.3651，这是理论值。那么，实际模拟的值是0.3556，和理论值是非常接近的。

可以发现，对于非常正态数据的抽样分布，随着每次抽取样本数量的增加，抽样分布是收敛于正态分布N（μ，σ⁄√n）。对于这个案例，就是收敛于N（2，2/√n）。