Xreferat.com » Рефераты по социологии » Выборочный метод

Выборочный метод

Размещено на /

Тема 3. Выборочный метод


Оглавление:


3.1 Сплошное выборочное наблюдение

3.2 Статистические оценки

3.3 Оценка доли признака

3.4 Точечные оценки для средней и дисперсии генеральной совокупности

3.5 Интервальные оценки средней


Цель: ознакомить с методикой проведения выборочного обследования, определения ошибок выборки; распределению их на генеральную совокупность.

После изучения вы сможете: определять выборочные характеристики (средние, ошибки выборки) и распространить их на генеральную совокупность.

Информационные источники:

1. Статистика: Учебник/Под ред. И.И. Елисеевой. – М.: Крокус, 2008

2. Теория статистики: Учебник/Под ред. Г.П. Громыко. – М.: ИНФРА-М, 2000.

3. Галкина В.А. Статистика: Учебное пособие: М.: РГАЗУ,2002.

4. Курс теории статистики: Учебник/Под ред. В.Н. Салина, Э.Ю. Чурикова. – М.: Финансы и Статистика, 2006.

5. Статистика. Учебник/Л.П. Харченко, В.Г. Ионин, В.В. Глинский. -М.: ИНФРА-М, 2008.

Содержание темы: включает вопросы проведения и определения характеристик выборочного наблюдения. Основными понятиями являются виды отбора единиц совокупности; статистические оценки выборочной и генеральной совокупности.

выборочное обследование генеральная совокупность

3.1 Сплошное выборочное наблюдение


Статистическое наблюдение может быть сплошным или выборочным. Сплошное наблюдение предполагает наблюдение (измерение, исследование и т.д.) всех изучаемых объектов. Однако по ряду причин оно может оказаться принципиально неосуществимым или практически нецелесообразным. В таких случаях прибегают к наблюдению части изучаемых объектов и по его результатам делают выводы о свойствах всей совокупности. Такой метод наблюдения получил название выборочного, отобранная для изучения часть объектов называется выборкой, а вся исходная совокупность объектов — генеральной совокупностью.

Способ отбора элементов генеральной совокупности может быть случайным или неслучайный. При случайном отборе все элементы генеральной совокупности имеют равную вероятность попасть в выборку. Применение такого способа отбора позволяет положить в основу статистических выводов хорошо разработанные математиками вероятностные модели, закон больших чисел, методы изучения закономерностей случайных явлений.

Случайный отбор может производиться по схеме возвращаемого (возвратная выборка) или невозвращаемого (безвозвратная выборка) шара.

На практике выборка производится обычно как безвозвратная. Однако в теоретическом плане проще возвратная выборка, моделью которой служит схема повторных независимых испытаний. Поэтому в математической статистике, как правило, вначале подробно исследуется случай возвратной выборки, а затем указываются модификации статистических выводов при переходе к безвозвратному способу отбора.

Отличие этих выборок тем меньше, чем меньше отношение объема выборки к объему генеральной совокупности. Практически, если отношение составляет меньше 5—10%, этим отличием можно пренебречь и пользоваться более простыми соотношениями, предполагающими возвратную выборку.


3.2 Статистические оценки


Одна из важных задач математической статистики заключается в том, чтобы по данным случайной выборки оценить достаточно точно значения характеристик генерального распределения, как, например, долю признака, среднюю, дисперсию и т. д. Задачу об оценке можно разделить на две части: какую величину, подсчитанную по выборке, принять в качестве приближенного значения характеристики генерального распределения (точечная оценка), и в каком интервале вокруг этой величины будет заключена с заданной надежностью искомая характеристика (интервальная оценка).

Пусть генеральное распределение задается некоторой функцией F(x,ξ1,…,ξк), где ξ1,…,ξк - его параметры. Например, если распределение задается двумя параметрами ξ1 и ξ2, то ξ1 обычно характеризует среднюю, а ξ2- дисперсию (или среднее квадратическое отклонение) генерального распределения.

Случайный отбор позволяет выборку объема п рассматривать как п повторных испытаний. Результат каждого испытания (j-го единичного отбора) есть случайная величина Хj, а вся выборка — совокупность п случайных величин {Х1, … Хj, ..., Хп} Любая конкретная выборка (х1, ..., хi, ..., хп) есть реализация этой совокупности случайных величин.

Для оценки неизвестного параметра ξ генеральной совокупности введем некоторую величину θ, вычисляемую по результатам выборки, т. е.

θ = θ (X1, ..., Хj, ..., Хп),

называемую статистикой.

Так, если для оценки генеральной средней ξ = Выборочный метод выбрана статистика
θ = Х* — выборочная средняя, то ее значения могут быть подсчитаны по результатам выборки как


Выборочный метод


Если для оценки генеральной дисперсии D выбрана статистика
θ =D* — выборочная дисперсия, то ее значения могут быть рассчитаны по формуле


Выборочный метод


Статистика θ есть случайная величина. В ряде случаев можно найти ее распределение.

Статистическая оценка должна быть возможно более точной. С этой целью к статистике θ предъявляются требования:

состоятельности,

несмещенности,

эффективности.

1) Свойство состоятельности означает, что распределение статистики θ с ростом объема выборки п концентрируется в сколь угодно малое окрестности параметра ξ (статистика θ стремится по вероятности к оцениваемому параметру ξ). Свойство состоятельности выражается предельным равенством: для любого столь угодно малого положительного числа ε


Выборочный метод (1.9.1)

Свойство состоятельности может быть выражено двумя более жесткими требованиями, которые являются достаточными условиями состоятельности и которые легче поддаются практической проверке:


Выборочный метод и Выборочный метод (1.9.2)


2) Свойство несмещенности означает, что при любом конечном объеме выборки п центр рассеяния статистики θ (математическое ожидание случайной величины θ) совпадает со значением оцениваемого параметра генеральной совокупности:

Выборочный методМ(θ) = ξ — для любого п. (1.9.3)


Выборочный метод

Рис. 1.9.1. Иллюстрация свойств состоятельности

Естественно, что при заданном конечном объеме выборки п из различных возможных статистик для оценки параметра ξ следует выбрать ту статистику, которая, являясь несмещенной, обладает в то же время минимальным рассеянием, т.е. имеет минимальную дисперсию. Последнее свойство получило название эффективности.

Выборочный метод

Рис. 1.9.2. Сравнение свойств трех статистик

На рис. 1.9.2 показаны кривые распределения трех статистик. Из них θ и θ' — несмещенные и потому для построения оценки предпочтение должно быть отдано статистике θ' с меньшей дисперсией. Статистика θ" обладает еще меньшей дисперсией, однако она менее пригодна в качестве оценки, так как ее центр рассеяния смещен относительно параметра ξ`.

Статистику θ, принимающую для данной выборки определенное числовое значение, будем называть точечной оценкой параметра ξ и обозначать той же буквой, что и оцениваемый параметр, помечая ее звездочкой.

Для построения точечных оценок чаще всего применяют метод аналогии, т. е. для оценки параметров генерального распределения выбираются аналогичные параметры (характеристики) выборочного распределения.

Так, для оценки доли признака в генеральной совокупности p=M / N, генеральной средней Выборочный метод и генеральной дисперсии


Выборочный метод


выбираются статистики (соответственно):

выборочная доля р*=Выборочный метод,

выборочная средняя Выборочный метод

и выборочная дисперсия Выборочный метод

При этом в результате дальнейшей проверки устанавливается, что первые две обладают свойством несмещенности, а последняя будет обладать этим свойством, если ее умножить на корректирующий множитель Выборочный метод

Условия (1.9.2) и (1.9.3) позволяют для конечного n записать лишь приближенное равенство:


ξ≈ ξ* (1.9.4)


Так как выборка носит случайный характер, то для различных возможных выборок случайная величина ξ* может принимать различные значения. Поэтому возникает задача дополнить точечную оценку информацией о возможной ее погрешности, т. е. оценить ошибку выборки

δ= ξ - ξ*

Пусть плотность распределения ξ* изображена на рис. 1.9.3.


Выборочный метод

Рис. 1.9.3. Доверительные границы

Выберем интервал (ξ – ε1, ξ +ε2), в котором с достаточно близкой
к 1 вероятностью будет заключена величина ξ*, т. е.

P(-ε1 <ξ - ξ* <ε2) = l – α (1.9.5*)


где α - величина, близкая к нулю.

Это означает, что в большинстве выборок (доля которых составляет
1— α) ошибка выборки попадет в интервал (-ε1, ε2), и лишь в относительно малом числе выборок (доля которых равна α) ошибка δ выйдет за пределы интервала (-ε1, ε2 ). Поскольку производится одна выборка, то с практической достоверностью (т.е. с вероятностью 1 − α) можно полагать, что ее ошибка попадет в данный интервал, и, наоборот, практически невозможно (т. е. с вероятностью α), что она выйдет за границы интервала.

Но если ε1<ξ - ξ* <ε2, то ξ* - ε1< ξ< ξ*+ ε 2, и равенство (1.9.5*) запишется в виде:


P(ξ* - ε1 <ξ <ξ* +ε2) = l − α (1.9.5)


В силу изложенного

интервал (ξ* - ε1, ξ*+ε2) называется доверительным интервалом,

числа ξ*- ε1, ξ*+ε2 - доверительными границами,

вероятность Р=1—α - доверительной вероятностью и

α- уровнем значимости (существенности)

Доверительный интервал дополняет точечную оценку ξ* оценкой ошибки выборки, или интервальной оценкой параметра α.

Если для точечной оценки необходимо знать лишь выражение для ξ* как функцию данных выборки, то для построения доверительного интервала необходимо знать также закон распределения ξ*, с помощью которого рассчитывается вероятность (1.9.5).

Часто при симметричном характере распределения случайной величины ξ* относительно ξ можно и доверительный интервал рассматривать как симметричный относительно ξ. В таком случае уравнение (1.9.5) может быть заменено на более простое:

P(ξ* - ε <ξ <ξ* +ε) = P (│ξ - ξ*│<ε) = l – α (1.9.6)


Величина ε называется предельной ошибкой выборки.

С интервальной оценкой связано решение трех типов задач:

1) определение доверительного интервала по заданной доверительной вероятности Р= 1 – α и объему выборки п;

2) определение доверительной вероятности по заданному доверительному интервалу и объему выборки;

3) определение необходимого объема выборки п по заданным доверительной вероятности и доверительному интервалу.


3.3 Оценка доли признака


Для точечной оценки доли признака в генеральной совокупности (р) естественно взять выборочную долю


р*=Выборочный метод


где n — объем выборки,

т — количество единиц в выборке, обладающих данным признаком.

Можно доказать, что эта оценка является состоятельной, несмещенной, эффективной.

Вопрос об интервальной оценке рассмотрим сначала для случая возвратной выборки.

При такой организации выборки случайная величина p*, как известно из теории вероятностей, имеет биномиальный закон распределения. Расчет доверительного интервала с применением формулы биномиального закона связан с определенными вычислительными трудностями. Однако при достаточно большом объеме выборки (примерно n ≥ 20, пр ≥ 10) биномиальное распределение хорошо аппроксимируется нормальным распределением с параметрами


М (p*) = p;

σ(p*) = Выборочный метод


Следовательно, случайная величина Выборочный метод имеет стандартное нормальное распределение (с параметрами M(z)=0; σ(z)=1).

Задавшись определенной вероятностью Р=1— α, имеем:


Выборочный метод2Ф(zα)=1- α (1.9.7)


где Ф(zα)=Выборочный метод — интегральная функция Лапласа, значения которой для различных значений z рассчитаны и приводятся в специальных таблицах.

Равенство (1.9.7) эквивалентно равенству:


P {│p*- p │<z1 · σ( p*)} = 2Ф(zα) (1.9.7')


Таким образом, предельная ошибка выборки εα определяется из равенства:


Выборочный метод (1.9.8)


Применение этой формулы затрудняется тем, что в нее входит неизвестный параметр р — генеральная доля. Однако при большом п можно заменить неизвестный параметр р его точечной оценкой р*. Тогда получим:


Выборочный метод (1.9.9)


Приведенные выше формулы связывают между собой, в конечном счете, три величины: доверительную вероятность Р=1−α, предельную ошибку выборки ε и объем выборки п.

В каждой конкретной задаче две из этих величин задаются и определяется третья величина. Таким образом, мы имеем следующие три типа задач:

Даны п и Р, определить ε.

Даны п и ε, определить Р.

III. Даны Р и ε, определить п

Первые два типа задач связаны с анализом результатов уже произведенной выборки объема п, следовательно, и с найденной точечной оценкой р*.

Задачи третьего типа должны решаться до проведения выборки. По заданной доверительной вероятности P мы можем определить величину z (по таблице интегральной функции Лапласа). Из (1.9.9) получаем:


Выборочный метод (1.9.10)


Но в (1.9.10) входит величина р*, получаемая в результате выборки, а речь идет об определении п до осуществления выборки.

Поскольку р* неизвестно, то определяем из этого равенства, при каком значении р* величина п будет максимальной. Используя обычный метод следования функции на максимум, получаем:

Выборочный метод


откуда р*=Ѕ

Следовательно,


Выборочный метод (1.9.11)


Выборка такого объема наверняка обеспечит заданные надежность и точность.

Рассмотрим примеры на каждый из трех типов задач. Исследуется вопрос о доле поврежденных клубней картофеля после механической уборки.


Пример 1.9.1 Произведена случайная выборка объемом.n=200 деталей. Из них поврежденных оказалось 40. Определить с вероятностью 0,95 доверительный интервал для доли поврежденных деталей генеральной совокупности.

Рассчитываем выборочную долю:

р* = m / n = 40 / 200 = 0.20

По заданной доверительной вероятности

Р = 1 – α = 2Ф(zα) = 0.95

находим по таблице интегральной функции Лапласа соответствующее значение zα =1,96. Применяем формулу (1.9.9):

Выборочный метод

Таким образом, доверительный интервал для генеральном доли р:

0,20-0,06<p<0,20+0,06, или 0,14<p<0,26

Пример 1.9.2. По результатам той же выборки определить вероятность того, что ошибка выборки не превысит 0,03.

Имеем:

Выборочный метод

Отсюда:

Выборочный метод

По таблице интегральной функции Лапласа находим соответствующую доверительную вероятность Р = 2Ф(zа )=0,71.


Пример 1.9.3. До проведения выборки необходимо ответить на вопрос: какой объем выборки обеспечит с вероятностью 0,95 ошибку выборзки не более, чем 0,02?

Применяем формулу (1.9.11):

Выборочный метод

Следует заметить, что требуемые надежность и точность может обеспечить в нашей задаче и выборка меньшего объема. Если до проведения выборки у нас есть приближенная оценка хотя бы максимальной величины р*, то мы можем применить формулу (1.9.10) и получить меньшее значение необходимого объема выборки п.

В случае безвозвратной выборки случайная величина р*, как доказывается в теории вероятностей, имеет так называемое гипергеометрическое распределение. Ее математическое ожидание, как и в случае возвратной выборки, равно генеральной доле: М(р*)=р, а среднее квадратическое отклонение вычисляется но формуле:


Выборочный метод (1.9.12)

где N — объем генеральной совокупности

При достаточно большом объеме выборки гипергеометрическое распределение также хорошо аппроксимируется нормальным распределением с указанными параметрами M(p*) и σ(p*), поэтому дальнейший ход решения задач аналогичен рассмотренному выше случаю возвратной выборки.

Формула для предельной выборки принимает вид


Выборочный метод (1.9.13)


При решении задач III типа из (1.9.13) получаем:


Выборочный метод (1.9.14)


Соответственно изменится и формула для nmax :


Выборочный метод (1.9.15)


Если объем выборочной совокупности n составляет незначительную долю по отношению к объему генеральной совокупности N, то величина Выборочный метод в формуле (1.9.12) ближе к 1, можно пренебречь различием формул (1.9.9) и (1.9.13) и пользоваться более простыми соотношениями для возвратной выборки, даже если фактически выборка производится как безвозвратная.

В заключение раздела необходимо отметить что в статистике используется понятие средней ошибки выборки, которая определяется как среднее квадратическое отклонение соответствующей выборочной характеристики. Нетрудно видеть, что формула для средней ошибки выборки является частным случаем формулы предельной ошибки выборки при z=1.


3.4 Точечные оценки для средней и дисперсии генеральной совокупности


Обозначим через Выборочный метод и σ2 среднюю и дисперсию генеральной совокупности.

Возвратная выборка объема n может рассматриваться как совокупность n независимых случайных величин Xj, имеющих одно и то же распределение, совпадающее с генеральным, для которых, следовательно:

M(Xj) = Выборочный метод; D(Xj) = σ2

Для точечной оценки генеральной средней Выборочный методестественно использовать статистику Выборочный метод ѕ среднюю. Используя свойства математического ожидания и дисперсии, получим:


Выборочный метод (1.9.16)

Выборочный метод (1.9.17)


Нетрудно видеть, что статистика θ ѕ X* является состоятельной, несмещенной и эффективной оценкой параметра Выборочный метод .

Для точечной оценки генеральной дисперсии воспользуемся статистикой Выборочный метод — выборочной дисперсией. Однако при ближайшем рассмотрении оказывается, что


Выборочный метод (1.9.18)

Таким образом, статистика θ = D* является смещенной оценкой для генеральной дисперсии σ2. Однако смещенность легко устраняется путем введения корректирующего множителя Выборочный метод. Статистика


Выборочный метод (1.9.19)


(так называемая «исправленная» выборочная дисперсия) является несмещенной оценкой генеральной дисперсии σ2 и используется для ее точечной оценки.

Заметим, что при большом п отношение Выборочный метод и потому значение s2≈D*

В случае безвозвратной выборки можно показать, что точечная оценка средней будет той же (т. е. Выборочный метод*), а точечная оценка дисперсии должна быть заменена на:


Выборочный метод (1.9.20)


где N — объем генеральной совокупности

В случае безвозвратной выборки изменится и выражение для D(Выборочный метод*), которое потребуется для построения доверительного интервала при оценке средней:


Выборочный метод (1.9.21)


При относительно небольшом объеме выборки Выборочный метод и Выборочный метод

3.5 Интервальные оценки средней


При изложении данного вопроса будем различать случаи больших и малых выборок. При этом оба случая сначала рассмотрим в более простой, с теоретической точки зрения, ситуации возвратной (повторной) выборки.


3.5.1 Большая выборка

Если объем выборки достаточно большой (практически, начиная с п > 20—30), то распределение выборочной средней Выборочный метод, согласно центральной предельной теореме, независимо от характера генерального распределения приближается к нормальному распределению с параметрами


М(Выборочный метод)=Выборочный метод и Выборочный метод)


где Выборочный метод — генеральная средняя,

σ— генеральное среднее квадратическое отклонение,

п — объем выборки.

Таким образом, величина


Выборочный метод


распределена по стандартному нормальному закону (с математическим ожиданием M(z) = 0 и средним квадратическим отклонением σ(z) = 1).

Задавшись доверительной вероятностью Р = 1 — α, определяем из равенства 2Ф(z) = 1 — α соответствующее значение za (используем при этом таблицу интегральной функции Лапласа). Тогда с вероятностью Р = 1 — α выполняется неравенство:

Выборочный метод (1.9.22)


которое эквивалентно неравенству:


Выборочный метод (1.9.23)


Величина Выборочный метод называется предельной ошибкой выборки.

Таким образом, мы имеем доверительный интервал для генеральной средней:


(Выборочный метод ; Выборочный метод)


Наоборот, если задана предельная ошибка ε , а требуется определить вероятность Р, то схема решения задачи следующая:


ε→z=Выборочный метод→Ф(z)→P=2Ф(z) (1.9.24)


Наконец, определение объема выборки п по данным Р и ε производится по следующей схеме:


P=2Ф(z) →z→n=Выборочный метод (1.9.25)


Пример 1.9.4. Взвешивание 50 случайно отобранных коробок печенья дало Выборочный метод=1200г. Определить с вероятностью Р = 0,95 доверительные границы для среднего веса коробки печенья Выборочный метод в генеральной совокупности, если есть основания полагать, что генеральная дисперсия σ2 = 11664.

Решение:

Дано: n=50; Выборочный метод=1200; σ2 =11664 (Выборочный метод= 108); Р = 0,95.

Из равенства Р = 2Ф(z)=0,95 по таблице значений интегральной функции Лапласа находим z=1,96, откуда:


ε=Выборочный метод(г)


Таким образом, получаем доверительный интервал:

1200 — 30 < Выборочный метод< 1200 + 30.


Пример 1.9.5 Определить, с какой доверительной вероятностью можно утверждать, что при данном объеме выборки (50 коробок) ошибка выборки не превысит 20 г.

Решение:

По величине ε=20 вычисляем Выборочный метод, откуда по таблице Ф(z): Р = 2Ф(1,31)≈0,81


Пример 1.9.6. Определить необходимый объем выборки n, который с вероятностью 0,99 гарантировал бы ошибку выборки не более чем ε = 20 г.

Решение:

Из Р = 2Ф(z) =0,99 находим z = 2,58, откуда:

Выборочный метод коробок

Предположение о том, что генеральная дисперсия σ2 известна при неизвестной генеральной средней, на практике выполняется весьма редко. Чаще всего мы имеем лишь выборочные данные и можем дать лишь выборочную оценку s2 неизвестной дисперсии σ2.

Статистика


Выборочный метод (1.9.26)


подчиняется закону распределения Стьюдента с v = n—1 степенями свободы. Однако при больших значениях параметра v (v ≥ 30) распределение Стьюдента практически совпадает с нормальным. Поэтому в случае больших выборок схема решения задач остается прежней, даже если вместо 'Неизве стного генерального среднего квадратического отклонения а используется его выборочная оценка s.


3.5.2. Малая выборка

Если генеральная совокупность подчинена нормальному закону распределения (что на практике имеет место очень часто), то выборочная средняя Выборочный метод как средняя арифметическая п нормально распределенных случайных величин также имеет

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: