（關於統計學的問題）大數法則和中央極限定理的疑問?
1.有關抽樣會有誤差產生，分成哪兩種誤差，說明出來。
2.抽樣方法（分層抽樣法），怎麼去做，請說明過程？
3.什麼是大數法則？算數平均數和母體平均數的關聯，這兩者之間什麼時候會很接近？
4.請說明中央極限定理？樣本平均數的分配到底是什麼？樣本平均數和常態分配的關係？
2 則回答
最佳解答
點數太少了
2009-06-25 22:28:28 補充：
1.抽樣誤差與另外兩種誤差不同。 一种是调查误差，即在调查过程中，由于观察测量、登记、计算上的差错所引起的误差：另一种是系统偏误，即由于违反随机原则，有意地选择较好或较差单位进行调查，造成样本代表性不足所引起的误差。一種是調查誤差，即在調查過程中，由於觀察測量、登記、計算上的差錯所引起的誤差：另一種是系統偏誤，即由於違反隨機原則，有意地選擇較好或較差單位進行調查，造成樣本代表性不足所引起的誤差。
2009-06-25 22:31:04 補充：
2
2009-06-25 22:31:17 補充：
分層抽樣，也叫類型抽樣。
就是將總體單位按其屬性特征分成若幹類型或層，
然後在類型或層中隨機抽取樣本單位。
2009-06-25 22:32:31 補充：
各層樣本數的確定方法有3種：
①分層定比。
即各層樣本數與該層總體數的比值相等。
例如，樣本大小n=50，總體N=500，
則n/N=0.1 即為樣本比例，每層均按這個比例確定該層樣本數。
2009-06-25 22:32:50 補充：
②奈曼法。
即各層應抽樣本數與該層總體數及其標準差的積成正比。
2009-06-25 22:33:11 補充：
③非比例分配法。
當某個層次包含的個案數在總體中所占比例太小時，
為使該層的特征在樣本中得到足夠的反映，
可人為地適當增加該層樣本數在總體樣本中的比例。
但這樣做會增加推論的複雜性。
2009-06-25 22:35:17 補充：
3大數法則：在二項分布的機率模型假定之下，
只要實驗的次數 n 夠大，則事件發生的次數比 ，
從機率的觀點來看，就會很接近 p 值
2009-06-25 22:40:58 補充：
4中央極限定理 (Casella and Berger, 1990, p.216)
有時也稱為常態收斂定理，主要是指從平均數為 ，
標準差為 的母體中，隨機地抽取大小為 的獨立樣本 。
當樣本數 很大時，其樣本平均 減掉平均數 再除以標準差 ，
將會趨近平均數為0，標準差為1 的常態分佈(normal distribution)。
或者是說當樣本數 很大時，樣本和 減掉平均數 再除以標準差 ，
將會趨近平均數為0，標準差為1 的常態分佈，
圖形看起來將會很像常態分佈的鐘形。
2009-06-25 22:42:24 補充：
4 中央極限定理(Central Limit Theorem)有時也稱為常態收斂定理，
主要是指從平均數為μ，標準差為σ的母體中，
隨機地抽取大小為n的獨立樣本X1, X2, …, Xn。
當樣本數n很大時，其樣本平均數
減去平均數μ再除以標準差 ，
將會趨近平均數為0，標準差為1的常態分佈(Normal Distribution)。
即當樣本數越大時，樣本的分佈越接近常態，且向平均值μ集中。
2009-06-25 22:42:59 補充：
中央極限定理知道，不論母體的機率模型為何，
只要樣本大小n夠大，樣本平均數 之抽樣分配必趨近於常態分配。
其更可細分為：
(a)母體分配的機率模型為常態分配，
則樣本大小n≧2時， 分配必為常態分配。
(b)母體分配的機率模型為鐘形分配或微偏分配，
則樣本大小n≧4時， 分配即接近常態分配。
(c)母體分配為其他機率模型，則樣本大小n≧30時，
分配趨近於常態分配。
2009-06-25 22:47:14 補充：
算數平均數和母體平均數的關聯，這兩者之間什麼時候會很接近?
2009-06-25 22:47:24 補充：
當實驗的次數越大，
經驗機率就越接近先天機率(大數法則) .....
只有算數平均數才會有母體跟樣本之分，
其他則無
2009-07-12 12:53:35 補充：
這周您怎麼沒發問?
1.系統誤差和隨機誤差
2.一某變項所佔比例分層,各層抽樣樣本數再依各層比例進行抽樣.
3.當抽樣樣本數夠大時,事件機率之實際值會接近於期望值.
當樣本數大於30時,數平均數和母體平均數就夠接近.
4.中央極限定理:當樣本數夠多時,樣本均值分布會向常態分布(01).接近.
樣本平均數的"分配"(應該譯為分佈),是反覆隨機抽樣N次,得到N個樣本,降這N個樣本的平均值做成一統計上分佈,該分佈就叫做樣本平均數的分佈.
當N大於30時,樣本平均數的分佈就趨近於常態分佈.
10點太少啦.