歡迎來到統計抽樣的世界！
你有沒有想過，為什麼新聞台能在點算所有選票之前，就預測出選舉結果？或者科學家如何在不對地球上每個人進行測試的情況下，就知道新藥是否有效？答案就是統計抽樣 (Statistical Sampling)。
在本章中，我們將學習如何挑選一小群人（或事物）來代表一個更大的群體。這是統計學中至關重要的技能，因為在現實世界中，我們很少有足夠的時間或金錢去詢問每一個人所有事情。如果起初有些術語聽起來很「數學化」，不用擔心——我們會用像煲湯和購物一樣簡單的例子為大家拆解！
1. 大局觀：母體與樣本 (Population vs. Sample)
在開始挑選群體之前，我們需要知道我們正在從什麼中進行挑選，以及為什麼要這樣做。
關鍵術語
- 母體 (Population)：你感興趣的對象或事物的全體。例子：你學校裡的所有學生。
- 樣本 (Sample)：從母體中挑選出來以代表該母體的一小群對象。例子：午飯時間在食堂隨機選出的 20 名學生。
- 普查 (Census)：當你收集母體中每一個成員的數據時。
「煲湯」類比
想像你正在煮一大鍋蔬菜湯。你想知道它是否需要加更多鹽。你不會把整鍋湯都喝掉（那是普查）。相反，你會攪拌均勻並喝一勺（這就是樣本）。如果那一勺喝起來夠鹹，你就會推論 (infer)整鍋湯都夠鹹了。
你知道嗎？
英國政府每 10 年進行一次人口普查。這是一項龐大的工程，旨在接觸全國居住的每一個人！
快速回顧：如果你想知道森林中樹木的平均高度，「母體」就是森林裡所有的樹，「樣本」就是你實際測量的 50 棵樹。
2. 進行推論 (Making Inferences)
抽樣的全部意義在於做出推論。這只是一個花俏的詞，意思是「根據你的樣本，對母體做出合理的猜測」。
如果你的樣本具有「代表性」（意味著它看起來像是母體的縮小版），你的猜測就會準確。如果你的樣本存在偏差 (biased)（它不能很好地代表群體），你的猜測就會出錯。
例子：如果你只問學校籃球隊的成員關於他們的身高，你可能會「推論」全校每個學生都有 6 呎高。這就是一個有偏差的樣本！
3. 抽樣技巧：你需要「操作」的方法
OCR 課程大綱要求你理解並能夠運用這兩種特定方法：
A. 簡單隨機抽樣 (Simple Random Sampling)
在這種方法中，母體中的每個成員都有均等的機會被選中。這就像把每個人的名字放進一個巨大的帽子裡，然後隨機抽出來一樣。
操作方法：
- 為母體的每個成員分配一個唯一的編號。
- 使用隨機數生成器（在計算機或電腦上）來選取編號。
- 將這些編號對應回相應的人員或物品。
優點：完全公平，消除了偏差。
缺點：如果母體非常大，操作起來會很困難且耗時（試想一下要給倫敦的每個人編號！）。
B. 機會抽樣 (Opportunity Sampling / Convenience Sampling)
這只是選取當時在場且符合你條件的人。例子：站在超市外面，詢問走過的前 10 個人。
優點：非常簡單、快捷且便宜。
缺點：極有可能產生偏差。你只遇到了剛好在那特定時間出現在那裡的人。
關鍵總結：隨機抽樣公平但困難；機會抽樣簡單但有偏差。
4. 抽樣技巧：你需要「評論」的方法
對於這些方法，你不需要進行計算，但你必須能夠解釋它們是什麼，以及為什麼它們在特定情況下是好是壞。
A. 系統抽樣 (Systematic Sampling)
從列表中按固定的間隔選擇項目。例子：從學校名冊中選出每第 10 個人。
- 評論：速度快，但如果列表中存在隱藏的規律，則可能會產生偏差。
B. 分層抽樣 (Stratified Sampling)
將母體根據特徵（如年齡或性別）劃分為不同群組（層，strata），然後從每個群組中按比例進行隨機抽樣。
- 評論：這是「黃金標準」。它確保每個子群體都能得到公平的代表。然而，它很複雜，因為你需要預先知道母體的精確結構。
C. 配額抽樣 (Quota Sampling)
與分層抽樣相似，但研究人員被要求在特定群組中找到一定數量的受訪者。例子：「去採訪 20 名男性和 20 名女性。」
- 評論：一旦研究人員找到了 20 名男性，他們就不會再詢問其他男性。這通常用於街頭市場研究。速度很快，但並非真正的隨機，因為研究人員自行決定與誰交談。
D. 集群抽樣 (Cluster Sampling)
將母體劃分為「集群」（通常基於地理位置），然後隨機選擇一個或多個集群進行全面研究。例子：為了研究英國學生，你隨機挑選 5 所學校，並採訪其中所有的學生。
- 評論：比在全國各地奔波便宜得多，但集群可能無法代表整個母體（例如，富裕地區的學校無法代表所有英國學校）。
5. 常見陷阱與評論技巧
在考試中，你可能會被要求「評論」一種抽樣方法。以下是需要注意的事項：
變異 (抽樣誤差)
重點：不同的樣本會導致對母體得出不同的結論。這是自然的！即使你使用了完美的隨機抽樣，兩組不同的 50 名學生也會給出略有不同的平均身高。這稱為抽樣變異 (Sampling Variation)。
需要避免的常見錯誤：
- 混淆普查與樣本：記住，普查是每一個人；樣本是一部分。
- 忽略偏差：總是檢查該方法是否排除了特定群體。（例如：「他們只抽樣了有座機電話的人——這排除掉了年輕人！」）。
- 樣本大小：如果樣本太小（例如只詢問 2 個人），結果是不可靠的。
記憶輔助：「S」開頭的方法
如果你記不住名字，可以想想這 4 個 S：
1. Simple Random（帽子抽籤法）
2. Systematic（每第 10 個）
3. Stratified（比例分配）
4. Sample（小組代表）
6. 複習總結表
方法：簡單隨機抽樣 (Simple Random)
適用於：追求公平並避免偏差。
方法：機會抽樣 (Opportunity)
適用於：速度快且預算有限。
方法：分層抽樣 (Stratified)
適用於：確保母體中的小群體得到充分代表。
方法：配額抽樣 (Quota)
適用於：快速、有針對性的市場研究。
最後鼓勵：統計學不僅僅是關於數字，更是關於講述一個故事。當你看抽樣題目時，問自己：「這個故事對母體中的每個人公平嗎？」 如果你能回答這個問題，你就已經拿到了一半的分數，距離 A 級不遠了！