欢迎来到统计抽样的世界！
你有没有想过，为什么新闻台能在点算所有选票之前，就预测出选举结果？或者科学家如何在不对地球上每个人进行测试的情况下，就知道新药是否有效？答案就是统计抽样 (Statistical Sampling)。
在本章中，我们将学习如何挑选一小群人（或事物）来代表一个更大的群体。这是统计学中至关重要的技能，因为在现实世界中，我们很少有足够的时间或金钱去询问每一个人所有事情。如果起初有些术语听起来很“数学化”，不用担心——我们会用像煲汤和购物一样简单的例子为大家拆解！
1. 大局观：总体与样本 (Population vs. Sample)
在开始挑选群体之前，我们需要知道我们正在从什么中进行挑选，以及为什么要这样做。
关键术语
- 总体 (Population)：你感兴趣的对象或事物的全体。例子：你学校里的所有学生。
- 样本 (Sample)：从总体中挑选出来以代表该总体的一小群对象。例子：午饭时间在食堂随机选出的 20 名学生。
- 普查 (Census)：当你收集总体中每一个成员的数据时。
“煲汤”类比
想象你正在煮一大锅蔬菜汤。你想知道它是否需要加更多盐。你不会把整锅汤都喝掉（那是普查）。相反，你会搅拌均匀并喝一勺（这就是样本）。如果那一勺喝起来够咸，你就会推论 (infer)整锅汤都够咸了。
你知道吗？
英国政府每 10 年进行一次人口普查。这是一项庞大的工程，旨在接触全国居住的每一个人！
快速回顾：如果你想知道森林中树木的平均高度，“总体”就是森林里所有的树，“样本”就是你实际测量的 50 棵树。
2. 进行推论 (Making Inferences)
抽样的全部意义在于做出推论。这只是一个花哨的词，意思是“根据你的样本，对总体做出合理的猜测”。
如果你的样本具有“代表性”（意味着它看起来像是总体的缩小版），你的猜测就会准确。如果你的样本存在偏差 (biased)（它不能很好地代表群体），你的猜测就会出错。
例子：如果你只问学校篮球队的成员关于他们的身高，你可能会“推论”全校每个学生都有 6 呎高。这就是一个有偏差的样本！
3. 抽样技巧：你需要“操作”的方法
OCR 课程大纲要求你理解并能够运用这两种特定方法：
A. 简单随机抽样 (Simple Random Sampling)
在这种方法中，总体中的每个成员都有均等的机会被选中。这就像把每个人的名字放进一个巨大的帽子里，然后随机抽出来一样。
操作方法：
- 为总体的每个成员分配一个唯一的编号。
- 使用随机数生成器（在计算机或电脑上）来选取编号。
- 将这些编号对应回相应的人员或物品。
优点：完全公平，消除了偏差。
缺点：如果总体非常大，操作起来会很困难且耗时（试想一下要给伦敦的每个人编号！）。
B. 机会抽样 (Opportunity Sampling / Convenience Sampling)
这只是选取当时在场且符合你条件的人。例子：站在超市外面，询问走过的前 10 个人。
优点：非常简单、快捷且便宜。
缺点：极有可能产生偏差。你只遇到了刚好在那特定时间出现在那里的人。
关键总结：随机抽样公平但困难；机会抽样简单但有偏差。
4. 抽样技巧：你需要“评论”的方法
对于这些方法，你不需要进行计算，但你必须能够解释它们是什么，以及为什么它们在特定情况下是好是坏。
A. 系统抽样 (Systematic Sampling)
从列表中按固定的间隔选择项目。例子：从学校名册中选出每第 10 个人。
- 评论：速度快，但如果列表中存在隐藏的规律，则可能会产生偏差。
B. 分层抽样 (Stratified Sampling)
将总体根据特征（如年龄或性别）划分为不同群组（层，strata），然后从每个群组中按比例进行随机抽样。
- 评论：这是“黄金标准”。它确保每个子群体都能得到公平的代表。然而，它很复杂，因为你需要预先知道总体的精确结构。
C. 配额抽样 (Quota Sampling)
与分层抽样相似，但研究人员被要求在特定群组中找到一定数量的受访者。例子：“去采访 20 名男性和 20 名女性。”
- 评论：一旦研究人员找到了 20 名男性，他们就不会再询问其他男性。这通常用于街头市场研究。速度很快，但并非真正的随机，因为研究人员自行决定与谁交谈。
D. 集群抽样 (Cluster Sampling)
将总体划分为“集群”（通常基于地理位置），然后随机选择一个或多个集群进行全面研究。例子：为了研究英国学生，你随机挑选 5 所学校，并采访其中所有的学生。
- 评论：比在全国各地奔波便宜得多，但集群可能无法代表整个总体（例如，富裕地区的学校无法代表所有英国学校）。
5. 常见陷阱与评论技巧
在考试中，你可能会被要求“评论”一种抽样方法。以下是需要注意的事项：
变异 (抽样误差)
重点：不同的样本会导致对总体得出不同的结论。这是自然的！即使你使用了完美的随机抽样，两组不同的 50 名学生也会给出略有不同的平均身高。这称为抽样变异 (Sampling Variation)。
需要避免的常见错误：
- 混淆普查与样本：记住，普查是每一个人；样本是一部分。
- 忽略偏差：总是检查该方法是否排除了特定群体。（例如：“他们只抽样了有座机电话的人——这排除掉了年轻人！”）。
- 样本大小：如果样本太小（例如只询问 2 个人），结果是不可靠的。
记忆辅助：“S”开头的方法
如果你记不住名字，可以想想这 4 个 S：
1. Simple Random（帽子抽签法）
2. Systematic（每第 10 个）
3. Stratified（比例分配）
4. Sample（小组代表）
6. 复习总结表
方法：简单随机抽样 (Simple Random)
适用于：追求公平并避免偏差。
方法：机会抽样 (Opportunity)
适用于：速度快且预算有限。
方法：分层抽样 (Stratified)
适用于：确保总体中的小群体得到充分代表。
方法：配额抽样 (Quota)
适用于：快速、有针对性的市场研究。
最后鼓励：统计学不仅仅是关于数字，更是关于讲述一个故事。当你看到抽样题目时，问自己：“这个故事对总体中的每个人公平吗？” 如果你能回答这个问题，你就已经拿到了另一半的分数，距离 A 级不远了！