歡迎來到抽樣的世界！
在本章中，我們將探討統計學中最實用的部分之一：抽樣 (Sampling)。你有沒有想過電視收視率是如何計算出來的？或者科學家是怎麼知道英國最受歡迎的零食是什麼？他們當然不會去問每一個人！相反，他們會使用一個樣本 (Sample)。
讀完這些筆記後，你將了解如何挑選一組人來代表整個群體（總體）、為什麼保持公平性如此重要，以及如何找出那些導致錯誤結論的瑕疵。
1. 總體 vs. 樣本
要理解抽樣，我們首先需要定義我們處理的兩個主要群體。
什麼是總體 (Population)？
總體是指你想要了解的整個群體。它不一定非要是人——它也可以是工廠生產的所有燈泡，或者是森林裡所有的樹木。
什麼是樣本 (Sample)？
樣本是從總體中挑選出來的一小部分群體。我們透過研究樣本來了解整個總體的情況。
湯的類比：想像你正在煮一大鍋蔬菜湯。
- 總體就是整鍋湯。
- 樣本就是你舀來嚐味道的那一勺湯，用來看看是否需要加鹽。
- 如果那一勺（樣本）味道不錯，你就會假設整鍋湯（總體）的味道也很好！
快速複習：
• 總體：整個群體。
• 樣本：你實際測試的那一部分群體。
2. 為什麼要使用樣本？
你可能會想：「直接問每一個人不是更準確嗎？」雖然沒錯，但通常這是不可能的，原因有三：
1. 時間：訪問一個國家裡的每個人需要花費數年時間。
2. 成本：付錢給調查人員去採訪每一個人太昂貴了。
3. 破壞性測試：如果工廠想測試玻璃瓶在破裂前能承受多大壓力，他們不能測試每一個瓶子，否則就沒東西可以賣了！
重點總結：抽樣是一種更快速且更便宜的方法，能讓你對整個群體的概況有良好的了解。
3. 簡單隨機抽樣 (Simple Random Sampling)
為了確保我們的樣本是公平的，總體中的每一個成員都應該有相等的機會被選中。這稱為簡單隨機抽樣。
如何進行隨機抽樣：
1. 為總體的每一位成員分配一個編號。
2. 使用隨機數生成器（例如計算機或電腦上的功能）來挑選號碼。
3. 被抽中編號的人或物品就成為你的樣本。
記憶小撇步：想想樂透抽獎。機器裡的每一個球都有相同的機會被選中。那就是最完美的隨機樣本！
不用擔心這聽起來很專業！ 最主要要記住的是：如果你只是隨便選選坐在你身邊的人，那並不叫「隨機」。這叫「方便抽樣」，一點也不公平。
4. 理解偏差 (Bias)
如果一個樣本無法公平地代表整個總體，它就是有偏差的 (Biased)。偏差會導致誤導性的結果。
偏差的常見原因：
• 地點：如果你想知道英國人對足球的看法，但你只在比賽當天詢問體育館外面的人，你的結果就會有偏差！
• 樣本大小：如果樣本太小（例如只問了 2 個人），它就無法很好地代表整個群體。
• 時間：如果你在週二早上 10 點的超級市場進行調查，你可能無法獲得那些朝九晚五上班族的回饋。
要避免的常見錯誤：許多學生認為「隨機」就是「隨意」。隨手挑選你見到的前 10 個人並非隨機抽樣；這是有偏差的，因為先到場的人和之後才到的人可能具有不同的特徵。
你知道嗎？ 1936 年，一本著名的雜誌預測錯了美國總統大選結果，因為他們只對擁有電話和汽車的人進行了民調。當時，只有富人擁有這些東西，所以樣本並不能代表整個總體！
5. 從樣本推斷性質
一旦我們有了樣本數據，我們就可以將其「放大」，用來估算整個總體的性質。這稱為推斷 (Inference)。
放大公式：
要估算總體中的總數，可以使用這個簡單的計算：
\( \text{估算總數} = \frac{\text{樣本中具備該特徵的人數}}{\text{樣本總數}} \times \text{總體大小} \)
步驟範例：
一所學校有 1000 名學生。隨機抽取 50 名學生詢問他們是否喜歡學校午餐。結果有 10 名學生說「喜歡」。試估算全校有多少學生喜歡學校午餐。
步驟 1：找出樣本中表示喜歡的比例：\( \frac{10}{50} = 0.2 \)（即 20%）。
步驟 2：將此比例乘以總人數：\( 0.2 \times 1000 = 200 \)。
答案：我們估算有 200 名學生喜歡學校午餐。
重點總結：樣本越大，你對總體所做的估算就越可靠。
快速總結清單
✓ 總體：你感興趣的整個群體。
✓ 樣本：用來代表該群體的一小部分。
✓ 簡單隨機抽樣：每個人都有相等的機會被選中。
✓ 偏差：當樣本不具代表性（不公平）時。
✓ 推斷：利用樣本結果來預測總體結果。