内容正文:
数 学
精简 全面 专业 高效
-‹#›-
知识梳理
典例变式
第17讲 抽样方法与总体分布的估计
基础训练
第17讲 抽样方法与总体分布的估计
-‹#›-
知识梳理
典例变式
第17讲 抽样方法与总体分布的估计
基础训练
1.抽样方法
从调查的对象中按照一定的方法抽取一部分,进行调查或观测,获取数据,并以此对调查对象的某项指标做出推断,这就是抽样调查.调查对象的全体称为总体,被抽取的一部分称为样本.
(1)简单的随机抽样
简单随机抽样的概念
设一个总体的个体数为N.如果通过逐个抽取的方法从中抽取一个样本,且每次抽取时各个个体被抽到的概率相等,就称这样的抽样为简单随机抽样.
知识梳理
-‹#›-
知识梳理
典例变式
第17讲 抽样方法与总体分布的估计
基础训练
②简单随机抽样的特点是:不放回抽样,逐个地进行抽取,各个个体被抽到的概率相等;
③简单随机抽样方法体现了抽样的客观性与公平性,是其他更复杂抽样方法的基础.
知识梳理
-‹#›-
知识梳理
典例变式
第17讲 抽样方法与总体分布的估计
基础训练
简单抽样常用方法
①抽签法:先将总体中的所有个体(共有N个)编号(号码可从1到N),并把号码写在形状、大小相同的号签上(号签可用小球、卡片、纸条等制作),然后将这些号签放在同一个箱子里,进行均匀搅拌,抽签时每次从中抽一个号签,连续抽取n次,就得到一个容量为n的样本.
适用范围:总体的个体数不多.
优点:抽签法简便易行,当总体的个体数不太多时适宜采用抽签法.
②随机数表法:随机数表抽样“三步曲”:第一步,将总体中的个体编号;第二步,选定开始的数字;第三步,获取样本号码.
知识梳理
-‹#›-
知识梳理
典例变式
第17讲 抽样方法与总体分布的估计
基础训练
(2)分层随机抽样
当已知总体由差异明显的几部分组成时,为了使样本更充分地反映总体的情况,常将总体分成几部分,然后按照各部分所占的比例进行抽样,这种抽样叫做分层抽样,所分成的部分叫做层
知识梳理
-‹#›-
知识梳理
典例变式
第17讲 抽样方法与总体分布的估计
基础训练
2.用样本估计总体
(1)频率分布直方图
可以利用频率分布直方图估计总体的取值规律.
知识梳理
-‹#›-
知识梳理
典例变式
第17讲 抽样方法与总体分布的估计
基础训练
(2)百分位数与总体百分位数的估计
①第p百分位数:一般地,一组数据的第p百分位数是这样一个值,它使得这组数数据中至少有p%的数据小于或等于这个值,且至少有(100-p)%的数据大于或等于这个值.
②可以用样本数据的百分位数估计总体的百分位数.
知识梳理
-‹#›-
知识梳理
典例变式
第17讲 抽样方法与总体分布的估计
基础训练
(3)众数、中位数和平均数与总体集中趋势的估计
知识梳理
-‹#›-
知识梳理
典例变式
第17讲 抽样方法与总体分布的估计
基础训练
(4)总体集中趋势的估计
知识梳理
-‹#›-
知识梳理
典例变式
第17讲 抽样方法与总体分布的估计
基础训练
3.两变量间的相关关系与统计案例
(1)从散点图上看,如果这些点从整体上看大致分布在通过散点图中心的一条直线附近,称两个变量之间具有线性相关关系,这条直线叫回归直线.
(2)从散点图上看,点分布在从左下角到右上角的区域内,两个变量的这种相关关系称为正相关,点分布在左上角到右下角的区域内,两个变量的相关关系为负相关.
知识梳理
-‹#›-
知识梳理
典例变式
第17讲 抽样方法与总体分布的估计
基础训练
当r>0时,表明两个变量正相关;
当r<0时,表明两个变量负相关.
r的绝对值越接近于1,表明两个变量的线性相关性越强.r的绝对值越接近于0,表明两个变量之间几乎不存在线性相关关系,通常|r|大于0.75时,认为两个变量有很强的线性相关性.
知识梳理
-‹#›-
知识梳理
典例变式
第17讲 抽样方法与总体分布的估计
基础训练
4.非线性回归分析
(1)对于非线性回归分析问题,如果给出了经验公式可直接利用换元,使新元与y具有线性相关关系,进一步求出,,对新元的线性回归方程,换回x即可得y对x的回归曲线方程.
知识梳理
-‹#›-
知识梳理
典例变式
第17讲 抽样方法与总体分布的估计
基础训练
(2)非线性回归问题有时并不给出经验公式,这时按以下步骤求回归方程:
①画出已知数据的散点图,看是否是线性回归分析问题,如果不是,把它与必修数学中学过的函数(幂函数、指数函数、对数函数等)图像作比较,挑选一种跟这些散点拟合得最好的函数,采用适当的变量置换,把非线性回归分析问题化为线性回归分析问题.
②作相关性检验,即判断寻找线性回归方程是否有意义.
④代回