学校想了解全体学生每天的课外阅读时间。逐人调查成本高,还可能因回收不全而拖延;只询问图书馆里的同学又会高估阅读时间。统计学的办法是从全校学生中抽取一部分人,通过样本信息推断总体特征。
关键不只是“抽多少人”,更是“怎样抽”。若抽取机制使某类学生更容易入样,增加样本量也未必消除偏差。随机抽样用明确的随机化程序控制选择偏好,是从样本走向总体的第一步。
- 准确区分总体、个体、样本、样本量与调查变量。
- 理解简单随机抽样的适用条件,会用抽签法或随机数法实施抽样。
- 会按比例分配各层样本量,并说明分层随机抽样提高代表性的原因。
- 能识别方便抽样、自愿回答、无回答等偏差,判断调查结论的适用范围。
一、总体、样本与抽样框
调查对象的全体叫作总体,组成总体的每一个对象叫作个体。从总体中抽取的一部分个体组成样本,样本中个体的数目叫作样本量。例如从全校 名学生中抽取 人调查睡眠时间,总体是这 名学生,样本量是 ,睡眠时间才是被观测的变量。不能把“全校学生的睡眠时间”与“全校学生”混成同一概念。
实际抽样还需要一份能够识别总体个体的名单或编号系统,称为抽样框。抽样框若漏掉走读生,即使之后用随机数抽取,结果也只能代表名单中的学生。由此可见,随机化能够减少人为选择,却不能自动修复总体界定或抽样框覆盖上的错误。
抽样调查适合总体规模大、逐个调查成本高或检测具有破坏性的情境。人口普查、重要设备逐件验收等任务则可能需要全面调查。选择方式应由调查目标、成本、精度与可操作性共同决定。
二、简单随机抽样
设有限总体含 个个体,从中抽取 个且 。如果采用逐个不放回抽取,并使总体中的每个个体在每次抽取时都有相等机会被抽到,这种方法称为简单随机抽样。其核心是等可能性和随机性,而不是随意挑选。
抽签法的步骤是:给所有个体编号,制作大小和质地相同的签,充分搅匀后不放回抽取。随机数法则先统一编号位数,再由随机数表或可靠的随机数生成器读取编号;遇到超出范围或重复的编号就跳过,直到取得规定数量。为了避免“挑一个看起来顺眼的起点”,读取方向、起点和跳过规则都应事先确定。
在简单随机抽样中,每个个体最终入样的概率都是
这不表示不同个体的入样事件相互独立:不放回抽样中,一个个体已经入样会稍微改变其他个体随后入样的机会。等可能入样与事件独立是两个不同概念。
随机抽样的可信度来自抽取规则,而不是样本结果“看起来平均”。先明确总体和抽样框,再保证每个个体按规定概率入样;调查完成后还要检查无回答和测量方式是否引入新偏差。
三、分层随机抽样
总体由差异明显的若干部分组成时,可先按与调查指标有关的特征分层,再在每层内独立进行简单随机抽样。例如研究全校体能时,不同年级训练安排不同,可按年级分层。分层原则是层内相对同质、层间差异较明显,并且每个个体只能归入一个层。
若第 层总体量为 ,总体量 ,总样本量为 ,按比例分配时该层样本量应接近
当结果不是整数时,要在保证 的前提下合理取整。各层都获得代表后,才能按总体层权重汇总。若直接把各层样本平均数作算术平均,而各层总体规模不同,就会错误地赋予每层相同权重。
分层抽样并非任何时候都优于简单随机抽样。若分层依据与所研究变量关系很弱,收益可能有限;若分层信息错误或某层拒访严重,也会产生偏差。方法的有效性依赖于合理分层和层内真正随机。
四、代表性、随机误差与系统偏差
同一总体按同一方法多次抽样,样本结果一般不会完全相同,这种由随机抽取造成的波动称为随机误差。通常样本量增大,随机波动会减小,但调查成本会上升。
系统偏差来自抽样框缺失、提问诱导、方便取样或大量无回答等机制。例如在校园运动会现场调查“每周运动时长”,常高估全校水平;在网络上公开链接让人自愿填写,参与意愿可能与观点强弱有关。此类偏差不会仅因收集更多同类回答而自然消失。
评价抽样方案时可连续追问:目标总体是谁?名单覆盖完整吗?谁有更大机会入样?未回答者是否具有共同特征?测量口径是否一致?只有这些问题得到合理处理,样本才有资格支持总体推断。
某校高一、高二、高三学生人数分别为 、、。现按年级分层,抽取 人调查体育锻炼时间。求各年级应抽取的人数。
✏️ 查看分步解析
总体量为
抽样比为 。所以三个年级的样本量分别为
三者之和为 。接下来还应在每个年级内部随机抽取,不能由班主任直接推荐“典型学生”,否则层内仍可能存在选择偏差。
某食堂要调查午餐满意度,方案甲在出口每隔 人询问一人,但只调查 至 ;方案乙从当天所有刷卡就餐学生名单中随机抽取 人,之后通过短信调查。比较两方案的主要风险。
✏️ 查看分步解析
方案甲虽然使用固定间隔,但时间段覆盖不完整。早到学生可能来自特定年级,其菜品选择和排队体验也可能不同,因此样本不能自然代表全天就餐者。
方案乙的抽样框覆盖当天所有刷卡学生,抽取阶段更接近简单随机抽样;但仍要关注短信未回复。若不满意者更愿意回复,或低年级回复率较低,就会出现无回答偏差。较好的做法是记录各类学生回复率并进行提醒,同时在报告中说明有效样本及限制。由此可见,随机抽取只是完整调查流程的一环。
- 样本量是样本中个体的数量,不是变量观测值的大小。
- “随机抽几个人”若没有编号和随机机制,可能只是方便抽样。
- 简单随机抽样保证个体等可能入样,不等于抽取事件彼此独立。
- 分层后必须在各层内随机抽取,汇总时应考虑各层总体权重。
- 大样本主要降低随机波动,不能自动消除抽样框缺失和诱导提问造成的系统偏差。
一批密封饮料不能全部开封检测糖度,否则检测本身会破坏商品。企业可从不同生产时段分层,每个时段随机抽取若干瓶检测。这样既控制成本,又能避免样本都来自同一机器状态。若某时段产量占全批的 ,按比例方案也让该层样本约占 。实际质量管理还需根据风险设置抽样量、合格界限和追溯规则,不能把一次样本合格理解为每瓶都合格。
五、自测与解析
1. 基本概念
从 个灯泡中随机抽取 个检测寿命。指出总体、样本和样本量。
✏️ 查看答案
总体是这 个灯泡,样本是实际被抽中的 个灯泡,样本量为 ;寿命是对样本个体测量的变量。
2. 方法选择
某公司总部与三个分部的岗位结构差异明显,现调查通勤时间。应优先考虑什么抽样方法?
✏️ 查看答案
可按工作地点或与通勤有关的区域分层,再在各层内随机抽取。若按比例分配,各层样本量与其员工数成比例。这样能避免人数少但通勤特征特殊的分部被偶然漏掉。
3. 偏差判断
为估计居民纸质阅读量,只在书店门口连续访问 人。扩大到 人能否从根本上解决问题?
✏️ 查看答案
不能。书店顾客本来就更可能阅读纸质书,抽样位置造成系统偏差。扩大同一地点的样本主要减小随机波动,仍不能使未去书店的居民获得合理入样机会。