第2章 抽樣與統計模型
2.1 先界定母體和收集規則
你想估計全校學生平均通勤時間,母體就是在一個明定時間範圍內的全校學生,觀測單位是學生。抽到的人是樣本;真正收到的回答還可能只是樣本的一部分。要估的整體平均是參數,樣本的平均是統計量。若只問住校生,再精確的計算也不能把目標變成全校。
簡單隨機不放回抽樣讓固定大小的每個子集等機率。單位有相同入選率,但不同單位的入選事件通常不獨立;抽到第一位後,餘下可抽的對象已改變。第十一冊的 IID 模型則要求各觀測依相同分布且相互獨立。抽樣設計、簡化模型與實際可見資料是三件事。
統計模型是一族由參數索引的觀測分布。例如獨立記錄兩次是否成功,X₁、X₂ 取 0 或 1,參數 p∈[0,1];每個 p 都給四種序列一組總和為 1 的機率。條件於樣本設計之外,缺失與量測偏差仍要另說,不能假設樣本大就會消失。分層時,若各層都能代表該層,合併層估計須用母體層權重。
2.2 四個例題
例題1 列出不放回子集
四人 A、B、C、D 隨機抽二人。六個等可能子集是 AB、AC、AD、BC、BD、CD。A 出現三次,P(A 入選)=3/6=1/2;A 和 B 都入選為 1/6,不是 (1/2)²,因各次入選相依。
例題2 一個參數改變整套機率
兩個獨立伯努利試驗,取 p=1/4。00、01、10、11 分別是 9/16、3/16、3/16、1/16,總和為 1。觀察到 01 並不表示 p 一定為 1/4,因其他參數也能給這個結果正機率。
例題3 分層資料要對回母體比重
母體兩層各有 80、20 人,各抽 10 人,層內贊成率 6/10 與 3/10。按母體權重估計為 (4/5)(3/5)+(1/5)(3/10)=27/50;若直接合併受訪者,則是 9/20。差別來自兩層抽樣比例不同。
例題4 回答者不是整個抽樣名單
抽到 100 人,60 人回覆,30 人回答「是」。答覆者中為 30/60=1/2;未知的 40 人若全否或全是,名單中贊成比例可能從 30/100 到 70/100。要再談母體精確度,還要說明誰被抽到及誰沒有回覆。
2.3 練習
- B12-C02-Q01 想知道全校平均通勤時間,只收一班 30 人的分鐘數。哪一項是目標參數?
- B12-C02-Q02 五名成員中等可能不放回抽二人,特定一人入選率?
- B12-C02-Q03 延續上一題,已知 A 入選,B 入選率?
- B12-C02-Q04 兩個獨立試驗成功率都是 3/10,先失敗再成功的機率?
- B12-C02-Q05 兩個 IID 伯努利試驗 p=1/4,成功數是 0 的機率?
- B12-C02-Q06 母體兩層占 3/4、1/4,其層內率估計為 2/5、4/5。分層合併值?
- B12-C02-Q07 上一題若兩層各抽同樣多人,直接合併樣本時比例是多少?
- B12-C02-Q08 名單 80 人,50 人回覆,20 人贊成。名單內的贊成率可能在哪個範圍?
- B12-C02-Q09 把某人的同一個回答抄成兩行,能不能當成兩筆 IID 觀測?
- B12-C02-Q10 用自願填寫的校網問卷得到 2,000 筆,能只憑筆數聲稱代表全校嗎?
2.4 完整解答
Q01
目標參數是全校學生通勤時間的平均;30 人的平均是可算的統計量。只有一班不等於全校隨機樣本。
Q02
共有 C(5,2)=10 組,指定一人後另一人有 4 種,入選率 4/10=2/5。
Q03
餘下名額只有一個,四人等可能,所以為 1/4;不同於無條件的 2/5。
Q04
獨立使路徑機率相乘,故為 (7/10)(3/10)=21/100。
Q05
一定是兩次都失敗,機率 (1−1/4)²=9/16。
Q06
用母體比重相乘再加總:(3/4)(2/5)+(1/4)(4/5)=3/10+1/5=1/2。
Q07
兩層的樣本比重都是 1/2,直接合併為 (2/5+4/5)/2=3/5,不等於按母體層比重的 1/2。
Q08
未答 30 人。全否時下界 20/80=1/4;全是時上界 (20+30)/80=5/8。這是只用名單資訊得到的界,不是對更廣母體的信賴區間。
Q09
不能。第一行決定第二行,並非獨立重抽。表格筆數雖增加,取得的隨機資訊未增加。
Q10
不能。回覆可能與通勤時間等變量有關;即使同類回覆很多,樣本的選擇機制仍可能偏向特定學生。應先釐清抽樣框及未回覆情況。