【分層隨機取樣】
<P align=center><STRONG><FONT size=5>【<FONT color=red>分層隨機取樣</FONT>】</FONT></STRONG></P> <P><STRONG>StratifiedRandomSampling</STRONG></P><P><STRONG></STRONG> </P>
<P><STRONG>【辭書名稱】教育大辭書</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>取樣是推論統計的必要步驟，而推論統計的目的是在於根據樣本的性質來推估母群的性質。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>因為我們不知道母群的性質，所以要抽取樣本來估計它。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>可見，推論統計的工作乃是由已知推論未知，由特殊而了解普遍的一種科學步驟。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>樣本既然是要用來代表母群的，則樣本必須具有代表性(representativeness)，否則這種樣本便無價值可言。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>抽樣(sampling)的方式有很多種，較常用的抽樣方法有簡單隨機抽樣(simplerandomsampling)、系統性抽樣(systematicsampling)、分層隨機抽樣(stratifiedsampling)及叢集抽樣(clustersampling)。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>簡單隨機取樣的取樣方法在直覺上是非常公平，而且不會遭受扭曲，因為在整個母群中的每一個分子成員，都有同樣的可能性出現在樣本中，但其缺點是無法利用我們對母群先有的一些訊息，或對母群特性的一些判斷，例如某一城市貧富分布並非任意分配，而是貧民都居住在北區，而富人居住在南區，那麼我們可利用此一項訊息，使用分層隨機取樣，取樣結果更符合我們的需要。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>分層隨機取樣的使用步驟，首先我們必須把母群分成具有較高同質性的次母群或階層，然後再從各次母群或階層分別抽出樣本，這種抽樣方法可以使所得到的樣本更能代表母群的特性。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>一般而言，分層隨機取樣的取樣方法包括三個步驟：(1)將母群分成幾個階層；</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>(2)對每個階層實施隨機抽樣；</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG>(3)估計母群之均值。</STRONG></P>
<P><STRONG></STRONG> </P>
<P><STRONG></STRONG> </P>轉自:http://edic.nict.gov.tw/cgi-bin/tudic/gsweb.cgi?o=ddictionary
頁:
[1]