9.1 随机抽样
想知道一大群人的情况,往往只能问其中一部分人。问谁、怎么挑,才能让这一部分「像」整体?先从一锅汤说起。
本节知识点总体、个体、样本与变量获取数据的途径与调查偏差简单随机抽样的实施分层随机抽样与总体权重集中趋势的比较与总体估计数据方差、标准差及合并
第 1 步
从例子进入
一大锅汤煮好了,想知道它咸不咸。先点下面的按钮试试三种尝汤办法:
想一想
看答案与解析
答案:B
B。喝完整锅当然最准,可汤也没了;只尝一勺就够,前提是先搅匀,让锅里每个地方都有同样的机会进到勺子里。C 尝到的只是上面一层,代表不了整锅。
这就是本节的两件事:全部检查还是只看一部分;只看一部分时,怎么「搅匀」——也就是随机抽样。
第 2 步
讲清楚
1. 先认识几个词
要用到:初中平均数、普查与抽样调查的现实意义。统计学第一课,核心在于「用局部样本科学推断总体」。
简单随机抽样
适用条件:总体中各对象个体差异不大、无明显分块类别。
核心机制:不放回抽样中,每一次未被抽到的个体机会均等,全过程每个个体入样概率均为 Nn。
实施手段:抽签法(编号、做签、搅匀)、随机数法(计算机/随机数表)。
分层随机抽样
适用条件:总体内部差异明显(如不同年级、城乡、年龄段对指标有显著区别)。
核心机制:按比例分配(每层抽样比 Nini=Nn 恒定一致)。
估计优势:样本结构严格等比复刻总体结构,大幅降低系统抽样方差与误差!
2. 全面调查与抽样调查的决策
想一想
自己试试:工厂想知道一批 5000 只灯泡平均能亮多少小时。应该用哪种调查?
看答案与解析
答案:B
B。破坏性测试:测完 5000 只灯泡全部报废,无货可卖!选 A 的同学只想到了理论准确性,忽视了工程代价。
3. 简单随机抽样与等可能概率
想一想
自己试试:从 60 名同学中,不放回地简单随机抽取 6 人。小明被抽中的可能性是多少?
看答案与解析
答案:C
C。第 1 次未抽到为 6059,第 2 次在剩下 59 人中未抽到为 5958……连乘得一直未被抽中概率为 6054=109。因此小明被抽中的总概率为 1−109=101=606!选 A 错在只算了第 1 次抽取。
4. 分层抽样与三步思维链
想一想
自己试试:公司有男职工 120 人、女职工 80 人,按性别分层、按比例抽 30 人。女职工抽几人?
看答案与解析
答案:A
A。女职工占 20080=52,抽 30×52=12 人(男职工 18 人)。选 B 是两层平分,不是按比例;选 C 是把男职工的人数当成了女职工的。
5. 获取数据的四种途径
想一想
自己试试:想知道一种新肥料能不能让番茄增产,最合适的获取数据途径是?
看答案与解析
答案:A
A。必须人工设置单一变量对照(同土质同水肥对照组),方能排除土壤等干扰。选 B 无法确定收成好是否源自该肥料。
6. 三大翻车现场与反例微图解
再深一点(可以先跳过)
抽样框偏差:抽样名单本身若有遗漏(如用固定电话簿做民调,漏掉无座机年轻人),再完美的抽样算法也无法修正基础偏差。
分层抽样方差:分层抽样不仅能保证结构代表性,且当各层间差异较大、层内方差较小时,分层估计量的抽样方差显著小于简单随机抽样。
第 3 步
动手
① 简单随机与分层:各抽几次比一比
全校 200 人,圆越大表示每周运动越久;高一多、高三少(100:60:40)。选样本量 n,点按钮抽样:抽到的人会加粗,下面的数轴上记一道样本均值。多抽几次,看哪一行的竖线挤得更紧。
② 进阶:人多救不了抽法偏
换成 1000 人的学校。两种抽法各抽 12 次:绿点是随机抽样,红点是只在操场上拉人问(越爱运动越容易被问到)。横轴是样本量。拖动滑块看某个样本量下两种抽法的样本均值落在哪里。
第 4 步
练一练
从易到难排好了。前两道直接用,中间三道是最常见的错,最后一道是挑战。
直接用
想一想
- 某校高一 900 人、高二 800 人、高三 700 人,按年级分层、按比例抽 48 人。高二应抽几人?
看答案与解析
答案:B
B。总人数 2400,抽样比例 240048=501,高二抽 800×501=16 人(高一 18、高三 14,合计 48)。选 A、C 是看错了年级;选 D 是把 48 平分成了 4 份,可只有 3 个年级,而且不该平分。
想一想
- 某年级男生 300 人、女生 200 人,按性别分层、按比例抽样。男生样本的平均身高 172 cm,女生样本的平均身高 162 cm。估计全年级平均身高是?
看答案与解析
答案:A
A。男生占 500300=0.6,女生占 0.4:0.6×172+0.4×162=103.2+64.8=168。选 B 是把两个均值直接平均,忘了男生人数多、权重大。
易错
想一想
- 学校想了解学生每天睡几小时,在校园网上挂了问卷,一周收到 800 份。下面说法对的是?
看答案与解析
答案:B
B。「没人指定」不等于「随机」:随机是每个人被抽到的机会相等,而这里只有看到问卷、又愿意花时间填的人才进了样本,比如熬夜上网的人可能更容易看到。C 错在以为人多就行,抽法偏了,人再多也不行。
想一想
- 某区城区学生 800 人、郊区学生 200 人,两层各随机抽 50 人。城区样本每周阅读时间平均 4 小时,郊区样本平均 9 小时。估计全区学生平均每周阅读时间是?
看答案与解析
答案:C
C。两层各抽 50 人,不是按比例分配:郊区只占总体的 1000200=0.2,在样本里却占了一半。要按总体比例加权:0.8×4+0.2×9=3.2+1.8=5。选 A 是把 100 人直接平均。
想一想
- 想估计全市成年人每周运动多久。甲在几家健身房门口问了 2000 人;乙从全市居民名单中随机抽了 200 人。哪个结果更可信?
看答案与解析
答案:B
B。健身房门口的人大多爱运动,甲的抽法本身偏高,问 2000 人还是偏高,样本量修不了这种偏差。乙的样本小一些,误差来自运气,有时高有时低,不会一直偏向一边。(也不是说乙每一次都比任何样本准,只是它没有系统偏差。)
挑战
想一想
- 学校要了解学生每天用手机的时长,已知住校生和走读生差别很大,男生女生差别不大。全校住校生 480 人、走读生 720 人,要抽 50 人。最合适的方案是?
看答案与解析
答案:B
B。分层要按和研究的量有关的特征分:手机时长和住不住校关系大,和男女关系小,所以 A 分了作用不大。
按比例:50×1200480=20,50×1200720=30。C 两层各 25 人不是按比例,住校生被多抽了,直接平均会偏向住校生;要用 C 的数据,得按 0.4 和 0.6 加权。
第 5 步
高考真题
先独立作答,做完再对照分步解析。选择题点选项自动判对错;填空题写法不同时,看答案自己判。要用到后面章节的题收在最后,学到那里再做。
2018 全国Ⅲ卷(文科) 第 14 题 · 填空
某公司有大量客户,且不同年龄段客户对其服务的评价有较大差异。为了解客户的评价,该公司准备进行抽样调查,可供选择的抽样方法有简单随机抽样、分层抽样和系统抽样,则最合适的抽样方法是______。
答案与解析
答案:分层抽样
思路
把评价差异明显的年龄段分别作为层,避免样本偶然集中在少数年龄段。
- 找到分层依据
不同年龄段的服务评价差异较大,可以按年龄段把客户分成若干互不重叠的层。
- 选择抽样方法
在各年龄层内进行随机抽样;如采用比例分配,可按各层客户人数占比分配样本名额。最合适的是分层抽样。
- 说明为何更合适
分层设计有助于确保不同年龄段得到代表,减少样本年龄结构偶然偏离客户总体结构的风险。
易错点
- 分层后仍需层内随机,不能每层只挑方便联系的人。
- 分层依据要与研究差异有关,不能随便按名字等无关特征分组。
小结
总体存在明确层间差异时,可用分层随机抽样提高代表性。
2019 全国Ⅰ卷(文科) 第 6 题 · 单选
某学校为了解1000名新生的身体素质,将这些学生编号为1,2,…,1000,从这些新生中用系统抽样方法等距抽取100名学生进行体质测验。若46号学生被抽到,则下面4名学生中被抽到的是
看答案与解析
答案:C
等距系统抽样的样本编号相差固定间隔,用同余关系判断。
求抽样间隔
间隔为 k=1000/100=10。
由已知样本确定起点
46号被抽中,故该次样本编号都与46模10同余,即个位数字为6。首个编号为6,样本为 6,16,…,996。
逐项检查
8、200、815的个位分别为8、0、5,不符合;616的个位为6,选C。
等距抽样先算间隔,再检查编号与已知样本是否同余。
2020 全国Ⅱ卷(理科) 第 18 题 · 解答
某沙漠地区经过治理,生态系统得到很大改善,野生动物数量有所增加。为调查该地区某种野生动物的数量,将其分成面积相近的200个地块,从这些地块中用简单随机抽样的方法抽取20个作为样区,调查得到样本数据 (xi,yi) (i=1,2,…,20),其中 xi,yi 分别表示第i个样区的植物覆盖面积(单位:公顷)和这种野生动物的数量。计算得 ∑xi=60,∑yi=1200,∑(xi−xˉ)2=80,∑(yi−yˉ)2=9000,∑(xi−xˉ)(yi−yˉ)=800。 根据现有统计资料,各地块间植物覆盖面积差异很大。为提高样本的代表性以获得该地区这种野生动物数量更准确的估计,请给出一种你认为更合理的抽样方法,并说明理由。
答案与解析
答案:按植物覆盖面积分层,在各层内随机抽样,并按层权重汇总估计。
思路
地块间植物覆盖面积差异很大,应用这个已知特征设计分层,而不是忽略差异只抽方便到达的地块。
- 确定分层变量
可按各地块植物覆盖面积大小,把200个地块分成若干层,使层内覆盖面积比较接近。分层须在抽样前依据可获得的覆盖资料确定。
- 层内进行随机抽样
若仍抽20个样区,可按各层地块数比例分配名额,并在各层内用简单随机抽样选取地块;对整数名额作合理分配,保证各层有代表。
- 说明代表性和估计方法
覆盖面积与动物数量相关,分层能减少样本过多落在某类覆盖地块的风险。比例分配时总体均值可由相应样本结构估计;若各层采用不同抽样率,需按各层地块数权重汇总,不能直接混算均值。
易错点
- “分层”不等于每层随意挑一个地块,层内仍须随机。
- 若不按比例抽样,合并均值时必须保留各层权重。
小结
样本代表性不仅由样本量决定,也取决于抽样结构与总体差异是否匹配。