最后更新: 2026-01-08 16:25 查看: 106 次反馈能力测评会员8.2元/月赞助

简单随机抽样与分层随机抽样

## 简单随机抽样与分层随机抽样
统计调查，获取有效数据极为关键．普查和抽样调查是获取数据的重要手段．在许多实际问题中，当总体容量很大或检测过程具有一定的破坏性时，很难直接研究总体，这时可以通过从总体中抽取一个样本进行研究，然后根据样本的情况去估计总体的相应情况。

在日常生活中，人们总是自觉或不自觉地应用抽样方法．例如，在市场上买花生或瓜子时总要先抓几颗看看是否饱满，干燥；在厨房煮汤时，为考察汤的味道，没必要把汤全喝完，而只要把汤搅拌均匀，从中品尝一勺就够了．

生活中的实例为我们进行抽样调查活动并收集数据提供了一些启发．例如：
第一，＂把汤搅拌均匀＂是说明抽样的随机性，没有抽样的随机性，样本就不能很好地反映总体的情况．

第二，＂品尝一勺＂指出了选取的样本量不能太少，也不必太大．太少了不足以品出味道，品尝一大碗也没有必要．

第三，＂无论这锅汤有多少，只要一勺就够了＂。这里体现出抽样调查的如下基本性质：总体个数增大时，样本量不必按比例增大．

科学的抽样方法必须使样本具有代表性，也就是抽取的样本能客观反映总体的情况，没有人为的主观偏向．如何科学地进行抽样呢？通常进行抽样。

## 简单随机抽样

如果在抽样过程中，能使总体中的每个个体都有相同的可能性被选人样本，那么这样的抽样叫作随机抽样．随机抽样可以避免人为的主观偏向，使样本具有代表性．

人们经常用＂任取＂＂随机抽取＂或＂等可能抽取＂等来表示随机抽样。
随机抽样分为**无放回的随机抽样**和**有放回的随机抽样**。例如，口袋中有质地相同的 10 个小球，分 3 种颜色。从中无放回地随机抽取 1 个，共抽取 $n$ 个 $(n \leqslant 10)$ ，这种抽样方法称为无放回的随机抽样。从袋中每次随机抽取一球记录颜色后放回，共抽取 $n$ 次，这样的抽样方法称为有放回的随机抽样。

在无放回的随机抽样下，同一个小球不会被抽中两次。而在有放回的随机抽样下，同一个小球可能被抽中多次．当样本量 $n=10$ ，采用无放回的随机抽样就可以完全了解袋中小球的颜色分布情况，采用有放回的随机抽样并不能对袋中小球的颜色分布作出准确判断。

> **简单随机抽样定义** 一般地，设一个总体含有 $N$ 个个体，从中无放回地抽取 $n(n \leqslant N)$ 个个体为样本，如果总体内的每个个体都有相同的可能性被抽到，则把这样的抽样方法称为简单随机抽样。

我们把简单随机抽样得到的样本称为简单随机样本．常用的简单随机抽样方法有抽签法和随机数法．

### 1．抽签法
下面通过一个实例来说明：
高一（1）班计划从 50 名同学中抽取 5 名同学参加某项课外活动。为保证每名同学被抽取的机会均等，我们可以把 50 名同学的学号写在小纸片上，然后将纸片揉成团放人一个不透明袋子中，充分摇匀后，从中无放回地抽出 5 个纸团并记下上面的学号．这 5 个学号对应的同学就构成了一个简单随机样本．

我们可将抽签法的步骤简单总结如下：
（1）假设一个总体有 $N$ 个个体，将它们逐一编号；
（2）制作 $N$ 个号签（号签可以用小球，纸片等制作），将编号写在号签上；
（3）将号签放在一个容器中，并充

其他版本
【概率论与数理统计】检验的基本原理【概率论与数理统计】样本

免费注册看余下 70%

非VIP会员每天5篇文章，开通VIP 无限制查看

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

高等数学测评 函数与极限一元函数微分学一元函数积分学微分方程空间向量与代数多元微分学多元积分学无穷级数

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

线性代数测评 行列式矩阵向量空间

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

概率统计测评 事件与概率一维随机变量与事件多维随机变量与事件随机变量的数字特征大数定律与中心极限定理统计量与抽样分布参数估计假设检验

上一篇：统计学

下一篇：平均数、中位数与众数

本文对您是否有用？有用 (0) 无用 (0)