Статистические наблюдения

- повторный случайный отбор:
где μ средняя (стандартная) ошибка выборки;
t – кратность средней ошибки выборки;
n – объем выборки.
Кратность средней ошибки выборки связывает наши расчеты с определенной вероятностью p, что расчет ошибки правильный:
при p=0,997 t=3,
при p=0,954 t=2,
при p=0,683 t=1 и т.д. (см. таблицу нормального распределения).
Данная формула верна лишь для случая нормального распределения. В случаях отклонений от нормального распределения пользуются таблицей распределения Стьюдента. Например, при n<30 - случай малой выборки – в знаменателе будет n-1, а t будет определяться по таблице распределения Стьюдента, у которой 2 входа: вероятность p и число степеней свободы k:
При p=0,95 t=12,71 (k=1),
При p=0,95 t= 4,3 (k=2),
При p=0,95 t= 3,18 (k=3),
При p=0,95 t= 2,79 (k=4),
При p=0,95 t= 1,96 (k = Ґ) и т.д. (см. таблицу распределения Стьюдента)
Пример. Из стада в 10 тыс. коров обследовано 100 коров. Половина из обследованных признана породистой. Определить долю породистых коров во все стаде.
Доля породистых
коров во всем
стаде p = w
±
D.= 0,5 ±
0,098
![]()
w = 0,5
При t
= 1,96 (вероятность
95 %) D
= 1,96
= 0,098.
Т.е. с вероятностью 0,95 можно утверждать, что во всем стаде породистых коров 50 ± 9,8 %.


- бесповторный случайный отбор:
Механический отбор
Используются те же формулы, хотя фактически ошибки при данном виде отбора составляют меньшую величину. Следствие отрицательное – ошибки завышаются, следствие положительное – повышается уверенность в надежности результата.
Типический отбор

Вместо
общей дисперсии
(σІ)
используется
средняя из
внутригрупповых
дисперсий
:
- повторный типический отбор:



- бесповторный типический отбор:
Серийный отбор
Здесь вместо общей дисперсии используется межгрупповая дисперсия δІ:
- повторный серийный отбор


- бесповторный серийный отбор


где s – число отобранных серий,
S – общее число серий в генеральной совокупности.
В случае, если внутри серий обследуются не все единицы, формулы усложняются:
- повторный серийный отбор

- бесповторный серийный отбор

где m – число отобранных в сериях единиц
![]()
После нахождения величины ошибки определяются доверительные интервалы:
![]()
11.4 Необходимая численность выборки
Случайный отбор

![]()
- повторный отбор
На практике при определении численности выборки встает вопрос о нахождении генеральной дисперсии. Существуют следующие способы:
а) если ранее уже проводилось обследование данной совокупности, то дисперсия берется из архива;
б) проводится пробное обследование, чтобы по его результатам ориентировочно определить выборочную дисперсию;

в) самый дешевый и распространенный способ – взять максимально возможную дисперсию - σІ = max из предполагаемых. Для этого используют размах вариации R. По правилу шести s он приблизительно равен 6s: R » 6s. Тогда s » R/6, а
Если речь идет о доле, то w(1-w) = 0,5 (1-0,5) = 0,25.


- бесповторный отбор
Пример. Определить численность выборки, если
D2 = 0,01
N = 100
s2 = 1
t = 2
Тогда n
=
Ю
лучше провести
сплошное
обследование,
а не выборочное.
Механический отбор
Используются те же формулы.
Типический отбор
В формулах
вместо выборочной
дисперсии (σІ)
используется
средняя из
внутригрупповых
дисперсий
:
статистический наблюдение индекс население


- повторный отбор:
- бесповторный отбор:


Серийный отбор
В формулах вместо выборочной дисперсии σІ используется межгрупповая δІ:


- повторный отбор:


- бесповторный отбор:
11.5 Практика применения выборки
Основные направления применения выборочного метода на практике:
маркетинговые исследования;
изучение общественного мнения;
обследование уровня цен и объемов продаж в регионах;
оценка качества продукции;
статистический контроль производства;
обработка материалов переписи населения и переписей вообще.
Размещено на
1 По материалам Доклада Нижегородского территориального управления Министерства РФ по антимонопольной политике и поддержке предпринимательства "Состояние конкуренции на товарных рынках Нижегородской области в 1998 г."
2 Более подробно о χІ-тесте и других тестах – см. раздел статистическая проверка гипотез