抽样技术--简单随机抽样

最新推荐文章于 2024-04-03 11:06:27 发布
原创 最新推荐文章于 2024-04-03 11:06:27 发布 · 8.7k 阅读 · 50 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#概率论
本文详细介绍了简单随机抽样，包括抽样方式和性质。通过对总体均值、总量、比例的估计，展示了如何利用样本均值和方差进行无偏估计。讨论了比率估计量及其性质，如总体均值和总值的比率估计，以及它们的期望和方差计算。此外，还涉及了回归估计量的性质和不同估计量在不同样本量下的精度比较。
Python3.8

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

文章目录

简单随机抽样

一次抽n个、逐次不放回抽n个、从所有的排列组合里抽一个

简单估计量及其性质

对总体均值的估计

简单随机抽样

在简单随机抽样里，咱用样本均值来估计总体均值（这个估计无偏）
在这里插入图片描述

在简单随机抽样里，样本的方差这样算
在这里插入图片描述
这样算出来的还是总体方差的无偏估计
在这里插入图片描述

简单例子

在这里插入图片描述
咱先嗯算一波样本的均值和方差
在这里插入图片描述
然后直接用样本的均值和方差来构造总体的均值和方差
在这里插入图片描述
这就算出来了

对总体总量的估计

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
上面的一堆公式就是说咱可以用样本的均值算出总体的估计，然后这个估计还是无偏的
在这里插入图片描述
上面这两个公式不知道在讲什么鬼
（其实就是算的如何用样本方差来估计总量估计值的方差）

例子

在这里插入图片描述
首先我们要估计总量，总量就是总体个数*样本均值，很简单

然后为了算极限相对误差，我们要算出总体估计值的标准差s，然后计算方差

我们能计算的只有样本的方差，所以最后还是用的样本的方差表示总体估计值的方差
在这里插入图片描述

对总体比例的估计

我们要估计某一类特征的单元占总体单元数的比例P
对于一个特征A，我们先设计一个估计量Y，将总体单元分为两类
在这里插入图片描述
那么P就可以算出来了
在这里插入图片描述
在这里插入图片描述
很爽的是，对于简单随机抽样，样本的p是总体的P的无偏估计

总体的方差可以这样通过样本来算出来

意思就是，如果要算总体的方差V(P)，那么只用算样本的方差v(p)就行了
在这里插入图片描述

例子

在这里插入图片描述
先嗯算一波样本的比例p，由于p是P的无偏估计，所以就得出答案了
再算一波置信区间，这个要先算p的方差
在这里插入图片描述

比率估计量及其性质

主要变量不好搞，咱就搞辅助变量

辅助变量

就是搞一个辅助变量出来
辅助变量有几个条件

  • 辅助变量要和主要变量高度相关
  • 辅助变量的总体总值要已知

比率估计量

主要变量的比率估计量有两个

  • 总体均值的比率估计量
    在这里插入图片描述
  • 总体总值的比率估计量
    在这里插入图片描述
    这句话👴看不懂，以后再说
    在这里插入图片描述

就算样本数n比较大的时候，r也不是R_hat的无偏估计，但是是近似无偏的（n比较大的时候）
在这里插入图片描述

总体均值的期望咋算

在这里插入图片描述

总体均值的方差咋算

在这里插入图片描述

总体总值的期望咋算

在这里插入图片描述

总体总值的方差咋算

在这里插入图片描述

比率估计量的方差咋算

在这里插入图片描述

Y与X的总体协方差

在这里插入图片描述

X的总体方差

在这里插入图片描述

Y与X的总体相关系数

在这里插入图片描述

Y的相对方差（变异系数）

在这里插入图片描述

Y与X的相对协方差

在这里插入图片描述

X的相对方差（变异系数）

在这里插入图片描述

回归估计量及其性质

在这里插入图片描述
对于简单随机抽样，如果β为常数，则回归估计量的期望和方差如下图所示
在这里插入图片描述
既然给出了回归估计量的方程，我们可以计算出使回归估计量最小的β0
在这里插入图片描述

对于一般情况，当n足够大的时候，我们也可以这样计算回归估计量的期望和方差
在这里插入图片描述
在这里插入图片描述

各种估计量的精度的比较

  • 当n足够大的时候
    对于以上三种估计，其方差为
    在这里插入图片描述
    此时回归估计的结果要好于简单估计

  • 当n不够大的时候

    • 回归估计的抽样误差与比率估计相差不大
    • 回归估计的均方误差比比率估计的大，且随着n的增大而增大

简单随机抽样的实施

费用计算
在这里插入图片描述
求解抽样的样本数n
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

总体方差的估计

在这里插入图片描述

其他影响因素

在这里插入图片描述

设计效果

在这里插入图片描述

您可能感兴趣的与本文相关的镜像

Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

简单随机抽样的样本估计量
03-12
统计分析中常用的抽样方法之一,帮助你迅速学习基本的抽样理论方法。
简单抽样技术——简单随机样本方差是总体方差的无偏估计
皮皮君的博客
07-13 2万+
来一点废话，帮助大家理解概率的精髓： 1） 只要谈估计，那就是告诉你一种方法，利用这个方法可以管中规豹似的获取某个统计量（这个统计量很可能限于人力物力无法真正获取，而我们又很想知道）。 2） 只要是谈估计，那就告诉你这个估计量本身也是个随机变量，它自身也存在统计特性； 简单抽样技术里提到有这么一个定理: 定理: 对简单随机样本方差 是总体方差 的无偏估计量。 其中是样本均值，...
【概率论基础进阶】随机变量的数字特征-随机变量的数学期望和方差
liu20020918zz的博客
09-17 996
设随机变量XXX的概率分布为 P{X=xk}=pk,k=1,2,⋯ P \left\{X=x_{k}\right\}=p_{k},k=1,2,\cdots P{X=xk​}=pk​,k=1,2,⋯ 如果级数∑k=1+∞xkpk\sum\limits_{k=1}^{+\infty}x_{k}p_{k}k=1∑+∞​xk​pk​绝对收敛，则称为级数随机变量XXX的数学期望或均值，记作E(X)E(X)E(X)，即 E(X)=∑k=1+∞xkpk E(X)=\sum\limits_{k=1}^{+\infty}x
【抽样技术】CH2 简单随机抽样
m0_72318954的博客
09-29 7284
简单随机抽样介绍
概率统计·样本及抽样分布【随机样本、抽样分布】
qq_61786525的博客
12-03 5428
总体：试验的全部可能的观察值称为总体 个体：总体中每个可能的观察值称为个体总体期望=样本平均期望 总体方差/n=样本平均方差X1，X2……Xn相互独立（x1，x2……xn是观察值），称为总体X的一个简单随机变量（样本） 联合=（全部）边缘相乘函数表示化（不含未知参数，不一定是线性关系函数）主要是要知道Sn2是样本方差的意思 首先知道各个符号代表什么意思： A——原点矩 B——中心矩 σn——偏样本方差 理解： 总体的期望=样本平均的期望 样本平均的方差=总体方差/n 样本方差的期望=总体方差（这个很好理解
概率论的学习和整理7：期望和方差，回到随机实验本身去理解
奔跑的犀牛先生
07-29 5700
期望， 方差，
【抽样技术系列02】简单随机抽样SRS PART1
weixin_45632492的博客
11-08 1203
目录导引Chap 2 简单随机抽样2.1 概念，表示以及基本知识2.2 估计2.2.1 总体均值的估计2.2.2 总体总量的估计2.2.3 总体比例的估计2.2.4 两个估计的协方差2.3 比率估计2.4 回归估计2.5 Carry out a SRS2.5.1 样本量的确定 这一个系列的笔记和整理希望可以帮助到正在学习抽样技术的同学。我会慢慢更新各个章节的内容。 Chap 2 简单随机抽样 2.1 概念，表示以及基本知识 抽样技术有限总体的方差定义与数理统计的不同！ σ2=1N∑i=1N(Yi−Yˉ)2S
《抽样技术》第2章 简单随机抽样（SRS）
m0_59015819的博客
11-07 1694
《抽样技术》（第3版）第2章 简单随机抽样
【抽样技术】CH2 简单随机抽样补充——比率估计与回归估计
m0_72318954的博客
11-05 7279
比率估计和回归估计介绍
抽样随机算法
master-dragon的专栏
04-25 1900
水塘抽样/蓄水池抽样算法（Reservoir Sampling） 问题： 对一个数量未知的样本，希望只经过一次遍历就完成随机抽样，即时间复杂度O(n)。因为样本数量未知，因此就不能通过random函数直接随机抽样。 解法： 我们总是选择第一个对象，以1/2的概率选择第二个，以1/3的概率选择第三个，以此类推，以1/m的概率选择第m个对象。当该过程结束时，每一个对象具有相同的选中概率，即1/n 第m个对象最终被选中的概率P=选择m的概率*其后面所有对象不被选择的概率，即 选择m的概率 ： 1 / m m后某个
【简单随机抽样】
武帝为此的博客
03-26 1526
简单随机抽样是指从总体中以相同的概率随机选择一定数量的样本单元组成样本的一种方法。它要求每个样本单元被抽中的机会是均等的。每一个样本单元被选中的概率都是1/N，其中N是总体单位的数量。
(史上最全总结)总体方差，样本方差，标准差，抽样方差，标准误差，均方误差，协方差 ...........
热门推荐
XZHSakura的博客
06-13 8万+
(史上最全总结)总体方差，样本方差，标准差，抽样方差，标准误差，均方误差，协方差 ...........
【抽样调查 】 简单随机抽样
田sir的超大芝士矩阵
04-03 2765
小编在本科期间参加了大部分的比赛，诸如数学建模、正大杯、互联网+等，大部分比赛中对于统计学科的知识都有一定的要求。大部分统计的科目都相对枯燥难懂，北大复旦教材入门都较为困难，很幸运小编的一些授课老师较为负责耐心，一些科目讲的深入浅出，让我受益很多。所以想要把一些关键适用的科目原理及框架搭建起来和大家分享。
期望、方差
Anne033的博客
10-03 6万+
一、期望和方差的定义 随机变量(Random Variable) X 是一个映射，把随机试验的结果与实数建立起了一一对应的关系。而期望与方差是随机变量的两个重要的数字特征。 1. 期望(Expectation, or expected value) 期望是度量一个随机变量取值的集中位置或平均水平的最基本的数字特征； 2. 方差(Variance) 方差是表示随机变量取值的分散性的一个数字特征。 方差越大，说明随机变量的取值分布越不均匀，变化性越强；方差越小，说明随机变量的取值越趋近于均值，即期望值。 （1
简单随机抽样
gezongbo的博客
01-14 6711
一、安装加载扩展包 二、数据描述 agpop数据文件介绍：美国政府每五年做一次有关农业的普查，收集50个州的所有农场的有关数据。数据文件中共有3041个美国县级农场或与县级农场相当的农场数据。共有4个区域（region/rnum），50个州（sta
参数估计
Radio_M的博客
12-22 2265
CONTENTS点估计矩估计区间估计样本量的确定 点估计 点估计是用样本统计量来估计总体参数，因为样本统计量为数轴上某一点值，估计的结果也以一个点的数值表示，所以称为点估计。点估计和区间估计属于总体参数估计问题。何为总体参数统计，当在研究中从样本获得一组数据后，如何通过这组信息，对总体特征进行估计，也就是如何从局部结果推论总体的情况，称为总体参数估计。 矩估计 矩估计，即矩估计法，也称“矩法估计”...
方差的期望公式推导，均值的期望公式推导
BaiYH1994的博客
10-28 2万+
推导过程如图。不同颜色用来表示计算过程和用到的原理。
均值方差递推公式推导 + 求取两组数据合并后的均值和方差
一些笔记
08-21 4万+
对均值、方差递推公式的推导
方差、标准差、均方根误差、平均绝对误差的总结
张之海的博客
08-26 5万+
单纯介绍概念不易理解，所以应从实际应用出发介绍其区别。 四者的研究对象和研究目的不同。 概念： 1. 方差 定义： 公式： 2. 标准差(std —— Standard Deviation) 别名：均方差（mean square error）、标准偏差、实验标准差。 定义：标准差是观测值与其平均数偏差的平方和的平方根，即方差的算术平方根。 公式: 公式意义：所有数减去其...
常见概率抽样方法及其适用场景总结
Backcanhave7
01-22 2万+
    抽样一般分为概率抽样和非概率抽样两大类，本文主要讨论概率抽样。所谓概率抽样，是指按照一定的概率从构成总体的所有单元中随机选择一部分单元进入样本的抽样方法。下面主要介绍简单随机抽样 、分层抽样 、整群抽样 、系统抽样 以及多级抽样这五种概率抽样方法。 简单随机抽样     简单随机抽样(simple random sampling ，SRS)是最简单的概率抽样方 法 ，也是其他抽样方法的...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值