- 统计教程
- 家
- 调整后的 R 平方
- 方差分析
- 算术平均值
- 算术中位数
- 算术模式
- 算术范围
- 条状图
- 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
- 切比雪夫定理
- 卡方分布
- 卡方表
- 循环排列
- 整群抽样
- 科恩卡帕系数
- 组合
- 与替换组合
- 比较图
- 连续均匀分布
- 连续级数算术平均值
- 连续级数算术中位数
- 连续级数运算模式
- 累积频率
- 变异系数
- 相关系数
- 累计地块
- 累积泊松分布
- 数据采集
- 数据收集 - 问卷设计
- 数据收集-观察
- 数据收集-案例研究方法
- 数据模式
- 十分位数统计
- 离散级数算术平均值
- 离散级数算术中位数
- 离散级数运算模式
- 点图
- 指数分布
- F分布
- F测试台
- 阶乘
- 频率分布
- 伽玛分布
- 几何平均数
- 几何概率分布
- 拟合优度
- 中庸之道
- 甘贝尔分布
- 调和平均值
- 谐波数
- 谐波共振频率
- 直方图
- 超几何分布
- 假设检验
- 个别系列算术平均值
- 个别系列算术中位数
- 个别系列运算模式
- 区间估计
- 逆伽玛分布
- 柯尔莫哥洛夫斯米尔诺夫检验
- 峰度
- 拉普拉斯分布
- 线性回归
- 对数伽玛分布
- 逻辑回归
- 麦克尼马尔测试
- 平均偏差
- 均值差异
- 多项式分布
- 负二项分布
- 正态分布
- 奇数和偶数排列
- 一比例 Z 检验
- 异常值函数
- 排列
- 置换置换
- 饼形图
- 泊松分布
- 合并方差 (r)
- 功率计算器
- 可能性
- 概率加性定理
- 概率倍数定理
- 概率贝叶斯定理
- 概率密度函数
- 过程能力 (Cp) 和过程性能 (Pp)
- 过程西格玛
- 二次回归方程
- 定性数据与定量数据
- 四分位数偏差
- 范围经验法则
- 瑞利分布
- 回归截距置信区间
- 相对标准偏差
- 可靠性系数
- 所需样本量
- 残差分析
- 残差平方和
- 均方根
- 样品策划
- 取样方式
- 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
- 标准误差 (SE)
- 标准普通表
- 统计学意义
- 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
- 转换
- 截尾均值
- I 型和 II 型错误
- 方差
- 维恩图
- 弱大数定律
- Z工作台
- 统计有用资源
- 统计 - 讨论
统计-抽样方法
抽样方法是从总体中选择抽样调查对象的方法。可以根据以下标准划分样本。
概率样本- 在此类样本中,每个总体元素都有一个已知的概率或机会被选择作为样本。
非概率样本- 在此类样本中,无法确保每个总体元素的概率已知。
概率抽样方法
概率抽样方法可确保所选样本正确代表总体,并且所进行的调查在统计上是有效的。以下是概率抽样方法的类型:
简单随机抽样。- 该方法是指具有以下属性的方法:
总体有 N 个对象。
样本有 n 个对象。
n 个对象的所有可能样本具有相同的出现概率。
简单随机抽样的一个例子是抽签法。为每个人口元素分配一个唯一的数字,并将数字放入碗中。将数字充分混合。蒙住眼睛的研究人员要选择n个数字。将那些已选定数量的样本中的总体元素包括在内。
分层抽样- 在这种类型的抽样方法中,根据某些共同特征(例如地理位置)将总体分为称为分层的组。然后采用简单随机抽样的方法从每组中抽取样本,然后对样本中的人员进行调查。
聚类抽样- 在这种类型的抽样方法中,每个总体成员都被分配到一个称为聚类的唯一组。采用简单随机抽样方法选择样本群,然后对该样本群的人员进行调查。
多阶段抽样- 在这种情况下,在不同阶段结合不同的抽样方法。例如,在第一阶段,可以使用整群抽样从总体中选择聚类,然后可以使用样本随机抽样从每个聚类中选择元素作为最终样本。
系统随机抽样- 在这种类型的抽样方法中,创建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
非概率抽样方法既方便又节省成本。但它们不允许估计样本统计数据可能与总体参数不同的程度。而概率抽样方法允许进行这种分析。以下是非概率抽样方法的类型:
自愿抽样——在这种抽样方法中,要求感兴趣的人参与自愿调查。新闻节目在线民意调查中要求观众参与的自愿样本的一个很好的例子。在自愿样本中,观众选择样本,而不是进行调查的样本。
方便样本——在这种抽样方法中,调查员会挑选那些容易提供意见的人。例如,调查员选择一个电影院来调查电影观众。如果选择电影院大厅是基于更容易到达的话,那么这是一种方便的抽样方法。