博主头像

AP统计:有放回与无放回抽样 | Khan Academy

外来客 • 2026-11-18 20:03:19

分享
𝕏 f ◉
声明:本文为对公开内容的摘要整理, 未经本站独立核实,可能与原内容存在出入,不代表本站立场、观点或建议; 观点与版权归原作者及原平台所有。 如涉及版权问题,请联系我们,核实后立即删除。 [ 免责声明 ]

(原标题:Sampling with and without replacement | AP Statistics | Khan Academy)

📊 核心观点

  • 抽样方式取决于被选对象在检验后是否保留在原总体中,即能否再次被选中。
  • “放回”意味着样本回到总体,允许重复抽取;“不放回”则移除样本,禁止重复抽取。

🔍 关键事实与论据

  • 罐头厂案例:质检员检查12个罐头后将它们搁置(set aside),导致同一罐头无法再次被选中,属于无放回抽样。
  • 图书馆案例:管理员使用随机数生成器从340把椅子中抽取20次。由于生成器可重复产生相同数字且椅子未被移除,同一椅子可能被多次检查,属于有放回抽样。
  • 判定标准:若检验行为不改变对象在总体中的状态(如仅记录数据而不移除),则为有放回;若物理上隔离或移除对象,则为无放回。

✅ 结论

  • 判断抽样类型需关注“能否再次选中”这一核心机制,而非单纯看是否进行了物理移动。
  • 随机数生成器的重复性支持有放回抽样的判定,前提是总体元素未被排除在后续抽取范围之外。

博主头像 👤 同一博主

查看该博主全部 130 篇

🧭 类似博主

0 条评论

发表评论

请先 登录 后参与讨论。