【正文】 條件下樣本容量的變換重復(fù)抽樣與不重復(fù)抽樣條件下樣本容量的變換 :由于重復(fù)抽樣下的公式比不重復(fù)抽樣下的公式要簡(jiǎn)單得多，所由于重復(fù)抽樣下的公式比不重復(fù)抽樣下的公式要簡(jiǎn)單得多，所以對(duì)不重復(fù)抽樣必要樣本單位數(shù)的確定經(jīng)常遵循如下思路確定以對(duì)不重復(fù)抽樣必要樣本單位數(shù)的確定經(jīng)常遵循如下思路確定：首先計(jì)算重復(fù)抽樣條件下的必要樣本單位數(shù)，記為：首先計(jì)算重復(fù)抽樣條件下的必要樣本單位數(shù)，記為 n0；然后；然后判斷判斷 是否成立，如果成立，則取是否成立，如果成立，則取 n=n0，否則，對(duì)，否則，對(duì) n進(jìn)行進(jìn)行修正，修正公式為：修正，修正公式為：5 86統(tǒng)計(jì)學(xué)*5 87統(tǒng)計(jì)學(xué)*【【 例例 】】 擁有工商管理學(xué)士學(xué)位的大學(xué)畢業(yè)生年薪的擁有工商管理學(xué)士學(xué)位的大學(xué)畢業(yè)生年薪的標(biāo)準(zhǔn)差大約為標(biāo)準(zhǔn)差大約為 2023元，假定想要估計(jì)年薪元，假定想要估計(jì)年薪 95%的的置信區(qū)間，希望允許誤差為置信區(qū)間，希望允許誤差為 400元，應(yīng)抽取樣本容元，應(yīng)抽取樣本容量為多大的樣本？量為多大的樣本？5 88統(tǒng)計(jì)學(xué)*解 : 已知已知 ? =2023， =400, 1?=95% ， z?/2= 則則即應(yīng)抽取即應(yīng)抽取 97人作為樣本。人作為樣本。 5 89統(tǒng)計(jì)學(xué)* 重復(fù)抽樣重復(fù)抽樣 不重復(fù)抽樣不重復(fù)抽樣估計(jì)總體比例時(shí)樣本容量的確定、估計(jì)總體比例時(shí)樣本容量的確定 其中：5 90統(tǒng)計(jì)學(xué)*【【 例例 】】 根據(jù)以往的根據(jù)以往的生產(chǎn)統(tǒng)計(jì)，某種產(chǎn)生產(chǎn)統(tǒng)計(jì)，某種產(chǎn)品的合格率約為品的合格率約為90%，現(xiàn)要求允許，現(xiàn)要求允許誤差為誤差為 5%，在求，在求95%的置信區(qū)間時(shí)的置信區(qū)間時(shí)，應(yīng)抽取多少個(gè)產(chǎn)，應(yīng)抽取多少個(gè)產(chǎn)品作為樣本？品作為樣本？ 解解 :已知已知 p=90%， 1?=95%， Z?/2=， =5% 應(yīng)抽取的樣本容量應(yīng)抽取的樣本容量 為：為： 應(yīng)抽取應(yīng)抽取 139個(gè)產(chǎn)品作為樣本。個(gè)產(chǎn)品作為樣本。5 91統(tǒng)計(jì)學(xué)*，可利用歷史資料代替；如果有若干個(gè)可供選如果有歷史資料，可利用歷史資料代替；如果有若干個(gè)可供選擇的歷史資料，應(yīng)采用數(shù)值最大的一個(gè)；成數(shù)方差在完全缺乏資擇的歷史資料，應(yīng)采用數(shù)值最大的一個(gè)；成數(shù)方差在完全缺乏資料的情況下，用料的情況下，用 ；代替；，可以通過(guò)組織試驗(yàn)性的抽樣取假如沒(méi)有可供替代的歷史資料，可以通過(guò)組織試驗(yàn)性的抽樣取得替代資料：首先確定一個(gè)可以承受的樣本量得替代資料：首先確定一個(gè)可以承受的樣本量 n0，調(diào)查后用樣，調(diào)查后用樣本方差代替總體方差進(jìn)行計(jì)算，如果精度跟可靠性達(dá)到要求，則本方差代替總體方差進(jìn)行計(jì)算，如果精度跟可靠性達(dá)到要求，則調(diào)查結(jié)束；否則，計(jì)算為達(dá)到精度要求所需樣本量調(diào)查結(jié)束；否則，計(jì)算為達(dá)到精度要求所需樣本量 n，再補(bǔ)抽，再補(bǔ)抽 nn0個(gè)單位進(jìn)行調(diào)查個(gè)單位進(jìn)行調(diào)查 。，時(shí)間等各方面條件又不允許進(jìn)行預(yù)調(diào)查沒(méi)有同類(lèi)調(diào)查的經(jīng)驗(yàn)，時(shí)間等各方面條件又不允許進(jìn)行預(yù)調(diào)查，則只能通過(guò)定性分析來(lái)確定總體變異系數(shù)。，則只能通過(guò)定性分析來(lái)確定總體變異系數(shù)。 總體方差的預(yù)先估計(jì)總體方差的預(yù)先估計(jì)5 92統(tǒng)計(jì)學(xué)*其中，其中， C為變異系數(shù)，為變異系數(shù)， r為相對(duì)誤差。為相對(duì)誤差。將計(jì)算樣本容量的公式變形得：將計(jì)算樣本容量的公式變形得：5 93統(tǒng)計(jì)學(xué)*。對(duì)于決策比較重要的問(wèn)題樣本量要大一些；研究問(wèn)題的重要性。對(duì)于決策比較重要的問(wèn)題樣本量要大一些；。如果所研究的問(wèn)題目標(biāo)量較多，樣本所研究問(wèn)題目標(biāo)量的個(gè)數(shù)。如果所研究的問(wèn)題目標(biāo)量較多，樣本量應(yīng)適當(dāng)放大；量應(yīng)適當(dāng)放大；；調(diào)查表或調(diào)查問(wèn)卷的回收率；；有效樣本數(shù)；：調(diào)查項(xiàng)目的經(jīng)費(fèi)、時(shí)間要求以及調(diào)查人員的限制。資源限制：調(diào)查項(xiàng)目的經(jīng)費(fèi)、時(shí)間要求以及調(diào)查人員的限制。 確定樣本容量時(shí)需要考慮的其它因素確定樣本容量時(shí)需要考慮的其它因素5 94統(tǒng)計(jì)學(xué)* 其它參數(shù)估計(jì)與假設(shè)檢驗(yàn)內(nèi)容其它參數(shù)估計(jì)與假設(shè)檢驗(yàn)內(nèi)容 一個(gè)總體均值一個(gè)總體均值 兩個(gè)獨(dú)立總體均值之差兩個(gè)獨(dú)立總體均值之差 兩個(gè)配對(duì)總體均值之差兩個(gè)配對(duì)總體均值之差 總體方差總體方差 計(jì)量經(jīng)濟(jì)學(xué)中的參數(shù)估計(jì)與假設(shè)檢驗(yàn)計(jì)量經(jīng)濟(jì)學(xué)中的參數(shù)估計(jì)與假設(shè)檢驗(yàn)5 95統(tǒng)計(jì)學(xué)* 一個(gè)總體均值的區(qū)間估計(jì)一個(gè)總體均值的區(qū)間估計(jì)(一個(gè)總體一個(gè)總體 —— 小樣本小樣本 )1. 假定條件假定條件n 總體服從正態(tài)分布總體服從正態(tài)分布 ,但方差但方差 (?２２ ) 未知未知n 小樣本小樣本 (n 30)2. 使用使用 t 分布統(tǒng)計(jì)量分布統(tǒng)計(jì)量3. 總體均值總體均值 ? 在在 1?置信水平下的置信水平下的 置信區(qū)間為：置信區(qū)間為：5 96統(tǒng)計(jì)學(xué)* 兩獨(dú)立總體均值之差兩獨(dú)立總體均值之差 ?1?1總體 1 ?2 ?2總體 2抽取簡(jiǎn)單隨機(jī)樣樣本容量 n1計(jì)算 X1抽取簡(jiǎn)單隨機(jī)樣樣本容量 n2計(jì)算 X2計(jì)算每一對(duì)樣本的 X1X2所有可能樣本的 X1X2?1 ??抽樣分布抽樣分布5 97統(tǒng)計(jì)學(xué)*兩獨(dú)立總體均值之差的估計(jì)兩獨(dú)立總體均值之差的估計(jì)(大樣本大樣本 )1. 假定條件假定條件n 兩個(gè)兩個(gè) 總體都服從正態(tài)分布，總體都服從正態(tài)分布， ?1２２ 、 ?2２２ 已知已知n 若不是正態(tài)分布若不是正態(tài)分布 , 可以用正態(tài)分布來(lái)近似可以用正態(tài)分布來(lái)近似 (n1?30和和n2?30)n 兩個(gè)樣本是獨(dú)立的隨機(jī)樣本兩個(gè)樣本是獨(dú)立的隨機(jī)樣本2. 使用正態(tài)分布統(tǒng)計(jì)量使用正態(tài)分布統(tǒng)計(jì)量 z5 98統(tǒng)計(jì)學(xué)*?1２２ ， ?2２２ 已知時(shí)，已知時(shí)， 兩個(gè)總體均值之差兩個(gè)總體均值之差 ?1?2在在 1? 置信水平置信水平下的置信區(qū)間為：下的置信區(qū)間為：?1２２ 、 ?2２２ 未知時(shí)，未知時(shí)， 兩個(gè)總體均值之差兩個(gè)總體均值之差 ?1?2在在 1? 置信水平置信水平下的置信區(qū)間為：下的置信區(qū)間為：5 99統(tǒng)計(jì)學(xué)*兩獨(dú)立總體均值之差的估計(jì)兩獨(dú)立總體均值之差的估計(jì)(小樣本小樣本 : ?1?=? ?? )1. 假定條件假定條件n 兩個(gè)兩個(gè) 總體都服從正態(tài)分布總體都服從正態(tài)分布n 兩個(gè)總體方差未知但相等：兩個(gè)總體方差未知但相等： ?1２２ =?2２２n 兩個(gè)獨(dú)立的小樣本兩個(gè)獨(dú)立的小樣本 (n130和和 n230)2. 總體方差的合并估計(jì)量總體方差的合并估計(jì)量3. 估計(jì)估計(jì) 量量 ?x1?x2的抽樣標(biāo)準(zhǔn)差的抽樣標(biāo)準(zhǔn)差5 100統(tǒng)計(jì)學(xué)*樣本統(tǒng)計(jì)量樣本統(tǒng)計(jì)量?jī)蓚€(gè)總體均值之差兩個(gè)總體均值之差 ?1?2在在 1? 置信水平下的置信區(qū)間為：置信水平下的置信區(qū)間為：5 101統(tǒng)計(jì)學(xué)*兩獨(dú)立總體均值之差的估計(jì)兩獨(dú)立總體均值之差的估計(jì)(小樣本小樣本 : ?1??? ?? )1. 假定條件假定條件n 兩個(gè)兩個(gè) 總體都服從正態(tài)分布總體都服從正態(tài)分布n 兩個(gè)總體方差未知且不相等：兩個(gè)總體方差未知且不相等： ?1２２ ??2２２n 兩個(gè)獨(dú)立的小樣本兩個(gè)獨(dú)立的小樣本 (n130和和 n230)2. 使用統(tǒng)計(jì)量使用統(tǒng)計(jì)量5 102統(tǒng)計(jì)學(xué)*兩個(gè)總體均值之差兩個(gè)總體均值之差 ?1?2在在 1? 置信水平下的置信區(qū)間置信水平下的置信區(qū)間為：為：自由度自由度5 103統(tǒng)計(jì)學(xué)* 兩配對(duì)總體均值之差的估計(jì)兩配對(duì)總體均值之差的估計(jì)(大樣本大樣本 )1. 假定條件假定條件167。 兩個(gè)匹配的大樣本兩個(gè)匹配的大樣本 (n1? 30和和 n2 ? 30)167。 兩個(gè)總體各觀察值的配對(duì)差服從正態(tài)分布兩個(gè)總體各觀察值的配對(duì)差服從正態(tài)分布2. 檢驗(yàn)統(tǒng)計(jì)量檢驗(yàn)統(tǒng)計(jì)量3. 兩個(gè)總體均值之差兩個(gè)總體均值之差 ?d =?1?2在在 1? 置信水平下的置信區(qū)間為：置信水平下的置信區(qū)間為：5 104統(tǒng)計(jì)學(xué)*兩配對(duì)總體均值之差的估計(jì)兩配對(duì)總體均值之差的估計(jì)(小樣本小樣本 )1. 假定條件假定條件167。 兩個(gè)匹配的小樣本兩個(gè)匹配的小樣本 (n1 30和和 n2 30)167。 兩個(gè)總體各觀察值的配對(duì)差服從正態(tài)分布兩個(gè)總體各觀察值的配對(duì)差服從正態(tài)分布 2. 兩個(gè)總體均值之差兩個(gè)總體均值之差 ?d=?1?2在在 1? 置信水平下的置信區(qū)置信水平下的置信區(qū)間為間為5 105統(tǒng)計(jì)學(xué)* 總體方差總體方差 ? 2 的點(diǎn)估計(jì)量為的點(diǎn)估計(jì)量為 s2,且且3. 總體方差在總體方差在 1? 置信水平下的置信區(qū)間為：置信水平下的置信區(qū)間為：5 106統(tǒng)計(jì)學(xué)*兩個(gè)總體方差比的區(qū)間估計(jì)兩個(gè)總體方差比的區(qū)間估計(jì)1. 比較兩個(gè)總體的方差比比較兩個(gè)總體的方差比2. 用兩個(gè)樣本的方差比來(lái)判斷用兩個(gè)樣本的方差比來(lái)判斷167。 如果如果 S12/ S22接近于接近于 1,說(shuō)明兩個(gè)總體方差很接近說(shuō)明兩個(gè)總體方差很接近167。 如果如果 S12/ S22遠(yuǎn)離遠(yuǎn)離 1,說(shuō)明兩個(gè)總體方差之間存在差異說(shuō)明兩個(gè)總體方差之間存在差異3. 總體方差比在總體方差比在 1?置信水平下的置信區(qū)間為：置信水平下的置信區(qū)間為：5 107統(tǒng)計(jì)學(xué)* 計(jì)量經(jīng)濟(jì)學(xué)中的參數(shù)估計(jì)及假設(shè)檢驗(yàn)計(jì)量經(jīng)濟(jì)學(xué)中的參數(shù)估計(jì)及假設(shè)檢驗(yàn)5 108統(tǒng)計(jì)學(xué)*結(jié) 束CLASS IS OVER5 109統(tǒng)計(jì)學(xué)謝謝觀看 /歡迎下載BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES. BY FAITH I BY FAI