常用的三种抽样分布
(标准抽样检验)三种抽样方法的概念和一般步骤
（标准抽样检验）三种抽样方法的概念和一般步骤本节授课核心：三种抽样方法的概念和一般步骤一：情景引入1.要考察某公司生产的500袋装牛奶的质量是否达标，现从中抽取60袋进行检验，则总体是？总体个数N是？样本是？样本个数n ？2．如何判断一锅汤的味道的好坏？A全部喝完B舀上面油多的一勺汤品尝C舀下面味道重的一勺汤品尝D搅拌均匀后再随机舀一勺汤品尝思考：要获取一个有代表性的好的样本，关键是。
二、新课：（一）简单随机抽样1．思考：例1．要在我们班选出五个人去参加劳动,怎样选才是最公平的呢? 2．简单随机数法的概念:P583．简单随机抽样必须具备下列特点：（1）总体个数N是限的。
（2）样本个数n 总体的个数N。
（3）放回的抽样。
（4）每个个体被抽到的机会 .4．简单随机抽样的方法有和5．既学即练：(1)下列抽样的方式是否属于简单随机抽样？为什么？A.从无限多个个体中抽取50个个体作为样本.B.箱子里共有100个零件，从中选出10个零件进行质量检验，在抽样操作中，从中任意取出一个零件进行质量检验后，再把它放回箱子.(2)为了了解全校240名学生的身高情况，从中抽取40名学生进行测量，下列说法正确的是A．总体是240B、个体是每一个学生C、样本是40名学生D、样本容量是40(3)从3名男生、2名女生中随机抽取2人，检查数学成绩，则抽到的均为女生的可能性是。
（二）系统抽样1．思考：例2．我校为了了解高一年级学生对教师教学的意见，打算从高一年级的500名学生中抽取50名进行调查.你怎样进行操作呢？P602．系统抽样概念：P603．进行系统抽样的步骤：，，和P604．既学即练：(1)下列抽样中不是系统抽样的是（）A、从标有1~15号的15号的15个小球中任选3个作为样本，按从小号到大号排序，随机确定起点i,以后为i+5,i+10(超过15则从1再数起)号入样B工厂生产的产品，用传关带将产品送入包装车间前，检验人员从传送带上每隔五分钟抽一件产品检验C、搞某一市场调查，规定在商场门口随机抽一个人进行询问，直到调查到事先规定的调查人数为止D、电影院调查观众的某一指标，通知每排（每排人数相等）座位号为14的观众留下来座谈（三）分层抽样1．思考：例3．假设某地区有高中生2400人，初中生10900人，小学生11000人，此地教育部门为了了解本地区中小学的近视情况及其形成原因，要从本地区的小学生中抽取1%的学生进行调查，你认为应当怎样抽取样本？2．分层抽样定义：P633．分层抽样的步骤：，，和 .4．分层抽样应遵循以下要求：（1）分层遵循不重复、不遗漏的原则。
02 常用概率分布&抽样分布
Poisson分布的特点
• 形态：
– 离散分布 – 只取决于 λ，λ 很小时分布很偏，当 λ 增加时，逐渐趋于对称。 – 在 x=λ 和 x=λ-1 处达到峰值，且有
P( x = λ )oisson 分布的总体均数与总体方差 相等，为 λ
Poisson分布的特点
λ = 500 × 0.0008 = 0.4
X ~ P (0.4)
0.4k −0.4 P = 1− ∑ e k =0 k !
5
Poisson分布的正态近似
λ 越小分布越偏，随着 λ → ∞ ，Poisson 分布也 渐近正态，X ~ N (λ , λ ) 。 一般当 λ ≥ 20 时， Poisson 分布进行连续性校正后可按正态分布处理。
医学参考值范围
(Reference Value Range) 一、基本概念
通常指正常人的解剖、生理、生化、免疫及组织 代谢产物的含量等各种数据的波动范围。主要目 的：用于临床疾病诊断。最常用的是95%参考值范 围。
确定95%参考值范围示意图
确定医学参考值范围
例3.9 估计某地健康成年女子的血红蛋白 的95%医学参考值范围
二项分布的Poisson近似
• 设 xi ~ B (n, π ) ，当 n → ∞ ，nπ → c 常数时，此时 xi 的 极限分布是以 c 为参数的 Poisson 分布。 π 越小， 近似越好 例：某地食管癌的发病率 π=8/10000，在当地随即 抽查 500 人，患者至少为 6 人的概率。 P ( X ≥ 6) = 1 − P ( X < 6)
n • 由于上式是二项式 [π + (1 − π )] 展开式中相应地含
π 的项，因此称该分布为二项分布。 • 从阳性率为 π 的总体中随机抽取大小为 n 的样本， 则出现阳性数为 x 的样本的分布为二项分布， 记作 x~B（n, π） 。
抽样分布及总体平均数的推断
于是需用t分布来估计该校三年级学生阅读
能力总体平均数95％和99％的置信区间。
由原始数据计算出样本统计量为
X 29.917
S 3.926
当Ｐ＝0.95时， t11 2.201 0.05
因此，该校三年级学生阅读能力2 得分95％的置信区间为：
X t11 0.05
S n 1
检验的思路是：假定研究样本是从平均数为μ 的总体随机抽取的，而目标总体的平均数 为μ0，检验μ与μ0之间是否存在差异。如果 差异显著，可以认为研究样本的总体不是 平均数为μ0的总体，也就是说，研究样本 不是来自平均数为μ0的总体。
二、总体平均数显著性检验的步骤
一个完整的假设检验过程，一般经过四个 主要步骤：
2．平均数区间估计的计算
①总体正态，σ已知（不管样本容量大小），
或总体非正态，σ已知，大样本
平均数离差的的抽样分布呈正态，平均数的 置信区间为：
X
Z
2
n
X
Z
2
n
（9．1）
例题1：某小学10岁全体女童身 高历年来标准差为6.25厘米， 现从该校随机抽27名10岁女童， 测得平均身高为134.2厘米，试 估计该校10岁全体女童平均身 高的95％和99％置信区间。
⑴．提出假设 ⑵．选择检验统计量并计算统计量的值 ⑶．确定显著性水平 ⑷．做出统计结论
⑴.提出假设
即根据研究假设提出相应的统计检验的假设。
双侧检验的假设形式为： H0：μ＝μ0， H1：μ≠μ0 单侧检验的假设形式为： H0：μ≥μ0，H1:μ＜μ0 （左侧检验） 或者 H0：μ≤μ0，H1:μ＞μ0 （右侧检验）
在确定检验形式时，凡是检验是否与假设 的总体一致的假设检验，α被分散在概率 分布曲线的两端，因此称为双侧检验。
统计学第六章抽样和抽样分布
2021/3/4
统计学第六章抽样和抽样分布
4
一、总体与样本
▪ 把握两个问题： ▪ 1、总体和总体参数； ▪ 2、样本和样本统计量。
2021/3/4
统计学第六章抽样和抽样分布
5
1、总体与总体参数
（1）总体：指根据研究目的确定的所 要研究的同类事物的全体，是所要说 明其数量特征的研究对象。按所研究 标志性质不同，分为变量总体和属性 总体，分别研究总体的数量特征和品 质特征。 构成总体的个别事物（基本单元 ）就是总体单位，也称个体。总体单 位的总数称为总体容量，记作N。
缺点：受主观影响易产生倾向性误差； 不能计算、控制误差，无法说明调查结果 的可靠程度。
抽样一般都是指概率抽样。
2021/3/4
统计学第六章抽样和抽样分布
15
2、重复抽样和非重复抽样
（1）重复抽样：又称重置抽样，是指从总体 中抽出一个样本单位，记录其标志值后，又将 其放回总体中继续参加下一轮单位的抽取。特 点是：第一，n个单位的样本是由n次试验的结 果构成的。第二，每次试验是独立的，即其试 验的结果与前次、后次的结果无关。第三，每 次试验是在相同条件下进行的，每个单位在多 次试验中选中的机会(概率)是相同的。在重复 试验中，样本可能的个数是 N n ，N为总体单位 数，n为样本容量。
2021/3/4
统计学第六章抽样和抽样分布
16
2、重复抽样和非重复抽样
（2）非重复抽样：又称为不重置抽样，即每次从
总体抽取一个单位，登记后不放回原总体，不参加下
一轮抽样。下一次继续从总体中余下的单位抽取样本
。特点是：第一，n个单位的样本由 n 次试验结果构成
统计学第六章抽样和抽样分 布
第六章 抽样与抽样分布
三种常用抽样方法j教案
教师： 赵涛 学生： 时间: 年__月__日 段 一、授课目的与考点分析：二、授课内容：三种常用抽样方法：1．简单随机抽样：设一个总体的个数为N 。
如果通过逐个抽取的方法从中抽取一个样本，且每次抽取时各个个体被抽到的概率相等，就称这样的抽样为简单随机抽样。
实现简单随机抽样，常用抽签法和随机数表法。
（1）抽签法制签：先将总体中的所有个体编号（号码可以从1到N ），并把号码写在形状、大小相同的号签上，号签可以用小球、卡片、纸条等制作，然后将这些号签放在同一个箱子里，进行均匀搅拌；抽签：抽签时，每次从中抽出1个号签，连续抽取n 次； 成样：对应号签就得到一个容量为n 的样本。
抽签法简便易行，当总体的个体数不多时，适宜采用这种方法。
（2）随机数表法编号：对总体进行编号，保证位数一致；数数：当随机地选定开始读数的数后，读数的方向可以向右，也可以向左、向上、向下等等。
在读数过程中，得到一串数字号码，在去掉其中不合要求和与前面重复的号码后，其中依次出现的号码可以看成是依次从总体中抽取的各个个体的号码。
成样：对应号签就得到一个容量为n 的样本。
结论： ① 用简单随机抽样，从含有N 个个体的总体中抽取一个容量为n 的样本时，每次抽取一个个体时任一个体被抽到的概率为1/N ；在整个抽样过程中各个个体被抽到的概率为n/N ；② 基于此，简单随机抽样体现了抽样的客观性与公平性；③ 简单随机抽样的特点：它是不放回抽样；它是逐个地进行抽取；它是一种等概率抽样。
2．系统抽样：当总体中的个数较多时，可将总体分成均衡的几个部分，然后按照预先定出的规则，从每一部分抽取1个个体，得到所需要的样本，这种抽样叫做系统抽样（也称为机械抽样）。
系统抽样的步骤可概括为：（1）将总体中的个体编号。
采用随机的方式将总体中的个体编号；（2）将整个的编号进行分段。
为将整个的编号进行分段，要确定分段的间隔k .当N/n 是整数时，k=n/N ；当N/n 不是整数时，通过从总体中剔除一些个体使剩下的个体数N ´能被n 整除，这时k=N ’/n ；（3）确定起始的个体编号。
(04)第4章+抽样与抽样分布
4-6
统计学
STATISTICS
例题分析
♦ 假定我们刚刚已取了飞机制造所用的铆钉的25个 假定我们刚刚已取了飞机制造所用的铆钉的25个
一组的样本。检测铆钉的抗剪强度，破坏每个铆 钉所需的力是响应变量。对这组样本，可以求得 各种描述性的测量（均值、方差等）。 ♦ 然而，我们的感兴趣的是总体，并不是样本自身。 被测试的铆钉在测试时已被破坏，不能再用在飞 机的制造上，所以我们肯定不能测试所有的铆钉。 我们必须从这组样本或几组这样的样本来决定总 体的某些特性。 ♦ 因此，我们必须设法推断信息，也即基于样本的 观测结果作出总体的推断
(例题分析) 例题分析)
计算出各样本的均值，如下表。 计算出各样本的均值，如下表。并给出样本均 值的抽样分布
4 - 32
样本均值的抽样分布
统计学
STATISTICS
(例题分析) 例题分析)
【例】设一个总体，含有4个元素(个体) ，即总体单位 设一个总体，含有4个元素(个体) 数N=4。4 个个体分别为x1=1，x2=2，x3=3，x4=4 。总 个个体分别为x 体的均值、 体的均值、方差及分布如下 总体分布
4 - 17
统计学
STATISTICS
分层抽样
分层抽样
统计学
STATISTICS
(stratified sampling) sampling)
♦ 分层抽样：在抽样之前先将总体的单位按 分层抽样：
某种特征或某种规则划分为若干层（类）， 然后从不同的层中独立、随机地抽取一定 数量的单位组成一个样本，也称分类抽样 数量的单位组成一个样本，也称分类抽样 sampling） （stratified sampling） ♦ 在分层或分类时，应使层内各单位的差异 尽可能小，而使层与层之间的差异尽可能 大
常见的抽样方案有哪几种类型
常见的抽样方案有哪几种类型常见的抽样方案有哪几种类型摘要：抽样是研究和调查领域中常用的一种数据收集方法。
在统计学中，抽样是从总体中选择部分个体进行观察和测量，以推断总体的特征。
本文将介绍六种常见的抽样方案，包括简单随机抽样、系统抽样、分层抽样、整群抽样、多阶段抽样和方便抽样，并对每种抽样方案的原理、适用场景和优缺点进行详细讨论。
1. 简单随机抽样简单随机抽样是最基本也是最常见的抽样方法之一。
它的原理是从总体中随机选择样本，每个个体被选中的概率是相等的。
简单随机抽样可以保证样本的代表性，能够准确地反映总体的特征。
然而，由于样本选择的随机性，可能会导致抽样误差较大的问题。
因此，在使用简单随机抽样时，需要注意样本容量的大小，以及通过增加样本数量来降低抽样误差的方法。
2. 系统抽样系统抽样是一种按照一定的规律从总体中选择样本的方法。
它的原理是通过设定一个抽样间隔，从总体中选择每隔固定间隔的个体作为样本。
系统抽样相对于简单随机抽样来说，更加方便且容易实施。
然而，当总体中存在周期性或者规律性的分布时，系统抽样可能会导致样本的偏差，从而影响结果的准确性。
因此，在使用系统抽样时，需要注意选择合适的抽样间隔，并通过随机起点来降低抽样误差。
3. 分层抽样分层抽样是将总体划分为若干个层次，然后在每个层次中进行抽样的方法。
它的原理是根据总体中的某个特征将个体分为不同的层次，然后在每个层次中进行抽样。
分层抽样能够保证每个层次的代表性，提高样本的准确性。
然而，分层抽样需要提前了解总体的分层情况，并确定每个层次的样本容量，这对于一些复杂的总体来说可能会带来一定的困难。
4. 整群抽样整群抽样是将总体划分为若干个群体，然后在每个群体中选择全部个体或者部分个体作为样本的方法。
它的原理是将总体划分为若干个群体，然后从每个群体中选择全部个体或者部分个体进行抽样。
整群抽样适用于总体中的个体具有相似特征的情况，能够减少样本选择的工作量和成本。
《概率统计简明教程》第二版(第8章-统计量与抽样分布)统计与统计学、统计量、抽样分布
《概率统计简明教程》第二版
第八章 统计量与抽样分布
三、什么是统计学
◆短期的机遇变异
重复投掷一枚均匀硬币六次，观察每次出现的面： （1）正反正反反正 （2）反反反正正正 （3）正反反反反反
直觉认为结果（1）是随机的，结果（2）和结果 （3）很不随机。 从概率的观点认为结果（1）、（2）、（3）的发 生有相同的概率，因而没有哪一个结果比其他结果更多 一点或少一点随机性。
《概率统计简明教程》第二版
第八章 统计量与抽样分布
◆变异性(Variablity)
统计数据和统计资料具有变异性， 即个体之间有 差异，而对同一个体的多次观察，其结果也会不一样， 并且几乎每一次观察都随着时间的不同而改变，因而变 异性是一个重要的统计观念。 抽样结果的差异是变异性的主要表现 不能仅仅根据一次抽样的结果就断下结论！
《概率统计简明教程》第二版
第八章 统计量与抽样分布
二、总体和样本
1.总体
我们关心的是总体中的个体的某项指标(如人的身高、 灯泡的寿命, 汽车的耗油量…) .
由于每个个体的出现是随机的，所以相应的数量指标 的出现也带有随机性 . 从而可以把这种数量指标看作一 个随机变量X ，因此随机变量X的分布就是该数量指标在 总体中的分布.
《概率统计简明教程》第二版
第八章 统计量与抽样分布
三、什么是统计学
◆长期的规律性
在某地的彩票活动中，七年中有人累计中两次大 奖的机会是： 一半对一半
人们的潜意识常常与理性思考的结果有很大差别， 如不善于统计思考，即使面对十分平常的现象，也会闹 出笑话。
《概率统计简明教程》第二版
第八章 统计量与抽样分布
第八章 统计量与抽样分布
二、总体和样本
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
F
2 ( 2 )
分布，记为
2
F～
F
(
1,
2
)
。
对于样本方差
s12
和
s
2 2
，自由度分别为
1
和
2
的
正态总体，因为有 1s12 2
～
2
( 1 )
,
2s22 2
～ 2 ( 2 ) ,
所以有 F
= s12 s22
～ F (1, 2 )
F分布的概率密度函数
f (F)
P(t 1.812) 0.05 或 P(t 1.812) 0.05
② 10，双 =0.05，t 2, t0.05/ 2,10 2.228 ，则有
P(t 2.228) P(t 2.228) 0.05 t t 0.10/2,30 0.05,30
t分布曲线下面积（附表2）
双侧t0.05/2，9＝2.262 ＝单侧t0.025，9
F 分佈是為了紀念著名的統計學家R.A. Fisher（1890-1962)而得名。
1.4 f( F)
1.2
1.0
0.8
0.6
0.4
0.2
0.0
0
1
F 分布曲线 11,2 5
15,2 5
110,210
2F
3
4
F 界值表
5
附表5 F界值表（方差分析用，单侧界值） 上行：P=0.05 下行：P=0.01
服从χ2 ( ) ，
由此可对方差的抽样误差进行假设检验。
χ2分布
f(χ2)
χ2
χ2分布曲线下的面积与概率
二、 t 分布(t-distribution)
随机变量X N（，2）
Z X
Z变换
标准正态分布
N（0，12）
均数 X
N(,2 n)
Z X
n
标准正态分布
N（0，12）
Student t分布
❖ （4）检验统计量分布（或抽样分布）
包括：卡方分布，t分布，F分布等。 这些分布是卡方检验、t检验、方差分
析等假设检验的基础。
练习作业
实习册 1，2，3，4
❖一、 2 分布
均为连续型随
❖二、t分布
机变量分布，分布 只与自由度，即样
本含量有关
❖三、F 分布
(1) 自由度为 1 的 2分布
若 Z ~ N (0,1),则 Z 2的分布称为自由度为 1 的 2分布
(chi-square
distribution),记为
2 (1)
或
2
(1)
.
图形:从纵轴某个点开始单调下降,先凸后凹.
自由度＝1 自由度＝2 自由度＝3 自由度＝6 P＝0.05的临界值
3 3.84 6 7.81 9
1122.59 15
18
卡方值
5.99
附表 3 中列出了各种自由度的上α分位点
对应的概率，如
2 0.05
(2)
5.99
。
对于正态总体，若总体均数μ未知，则由
数理统计知识可知： (n 1)S 2
2
即 s2 2
中心极限定理
❖ 如果总体不是正态总体，但其均数和标
准差分别为μ和σ，则当样本含量n不断
增大时，样本均数的分布也趋近于正态
分布，且其均数为μ，标准差为
n
❖ 不论总体的分布形式如何，只要样本含
量n足够大时，样本均数的分布就近似正
态分布 ，此称为中心极限定理。 （下章通过抽样实验证实）
常用的三种抽样分布
1
2
2
1 1
/
2
2
2
F / 2
1 1 2
1
2
2
2
(1F
2
1 2
)2
式中 (•) 为伽玛函数； F 组间均方 组内均方＝MS1 MS2 ， 是两个均方的比值；1、 2 分别为 F 值的分子与分母的自由度， 这是 F 分布的两个参数，由这两个自由度可决定 F 分布的图 形形状，因此 F 分布可用 F(1, 2 ) 表示。以 F 为横轴， f (F) 为纵轴可绘制 F 分布的图形。
单侧t0.05，9＝1.833 双侧t0.01/2，9＝3.250
＝单侧t0.005，9 单侧t0.01，9＝2.821 双侧t0.05/2，∞＝1.96
＝单侧t0.025，∞ 单侧t0.05，∞ ＝1.64
三、 F 分布
令 2 (1) 和 2 ( 2 ) 分别为服从自由度为 1 和 2 的
独立变量的卡方分布，则称 F 2 (1) 1 服从分子自由度
自由度越小，则t值越分散，曲线越低平； 自由度逐渐增大时，t分布逐渐逼近Z分 布(标准正态分布)；当趋于∞时，t分布即为 Z分布。
t 界值表
（P279，附表2）
问单侧t0.025,10 ?
f (t) ν=10的t分布图
✓ 举例：
t
1.812 -2.228
2.228
① 10，单 =0.05，t , t0.05,10 1.812 ，则有
0.3
0.2
0.1
0.0
0
2
4
6
8
10
2 0.05(1)
3.84(1.96)2
Z02.05/2
2 0.01(1)
6.63(2.5758)2
Z02.01/2
(2) Z1, Z2,..., Z 互相独立,均服从 N (0,1),
则 Z12 Z22 ... Z2的分布称自由度为 的 2分布,
记为
tXX,
SS n SX
vn1
自由度：n-1
f(t)
ν─>∞(标准正态曲线)
ν=5
ν=1
f(t) ( (1 )2 2 )(1t2/) ( 1 )2
-5.0
-4.0
-3.0
-2.0
-1.0
0.0
1.0
2.0
3.0
4.0
5.0
t
图4-2 不同自由度下的t 分布图
t分布的特征
①以0为中心，左右对称的单峰分布； ②t分布曲线是一簇曲线，其形态变化与自 由度的大小有关。
F 分布曲线下面积与概率
小结
❖（1）随机变量、概率分布、抽样分布 是统计学推断的基础。
❖ （2） 二项分布描述二项分类变量两种 观察结果的出现规律。泊松分布是二项 分布的特例，常用于事件发生率很小， 样本含量很大的情况。
❖ （3）正态分布是其他分布的极限分布， 许多统计方法的理论基础。不少医学 现象也服从正态分布或近似服从正态 分布。
2 (
)
或
2
(
)
,或简记为
2
.
* 图形:单峰,正偏峰;
自由度 很大时, (2)近似地服从正态分布.有
Z
(2
) 2
,
(2
)服从均数为，方差为2的正态分布
χ2分布（chi-square distribution）
纵高
0.5 0.4 0.3 0.2 0.1 0.0
0
f(2)2(1/2)22(/21)e2/2