歡迎來到抽樣的世界！

你有沒有想過，民意調查員是如何預測選舉結果的？或者科學家如何在不測試地球上每個人的情況下，判斷一種新藥是否有效？這就是統計抽樣 (Statistical Sampling) 的威力。在本章中，你將學習如何挑選一小組人（或物件）來代表一個更大的群體。這就像嚐一勺湯來判斷整鍋湯是否需要多加點鹽一樣——你不需要把整鍋湯喝完就能知道結果！

讀完這些筆記後，你將了解我們收集數據的不同方式，以及為什麼選擇正確的方法是獲取準確結果的秘訣。

1. 母體 vs. 樣本

在我們開始挑選群體之前，需要先搞清楚「誰」和「什麼」。

母體 (Population)： 這是你感興趣的整個群體或物件。如果你想知道學校學生的平均身高，母體就是該校的每一位學生。

樣本 (Sample)： 這是母體的子集（一小部分），是你實際從中收集數據的對象。如果你在食堂詢問 30 名學生他們的身高，這 30 名學生就是你的樣本。

普查 (Census)： 這是指觀察或測量母體的每一個成員。在英國，政府每 10 年會進行一次人口普查。

優缺點：重大取捨

為什麼我們不每次都進行普查呢？聽起來似乎比較準確，對吧？沒錯，它確實很準確，但並不總是切實可行。

普查的優點：

  • 能提供完全準確的結果。
  • 沒有遺漏任何人。
普查的缺點：
  • 昂貴且耗時。
  • 很難聯繫到每一個人。
  • 如果測試涉及破壞產品（例如測試燈泡壽命），普查會導致你沒有產品可以銷售！

樣本的優點：

  • 更加快捷且便宜。
  • 收集數據所需的人力較少。
樣本的缺點：
  • 數據可能不是百分之百準確。
  • 樣本可能無法完全代表整個母體（這稱為偏差 (bias)）。

重點總結

普查對於準確性來說很棒，但對你的錢包和時間表來說卻是個噩夢。抽樣既快速又實惠，但存在無法成為母體「完美縮影」的風險。

2. 隨機抽樣技術

為了使抽樣公平，母體的每一位成員都應該有被選中的機會。這就是隨機抽樣 (Random Sampling) 的作用。要做到這一點，通常需要一個抽樣框 (Sampling Frame)——即母體中所有人的名單（例如登記冊或電話簿）。

簡單隨機抽樣 (Simple Random Sampling)

這是最純粹的隨機抽樣形式。想像把每個人的名字放進一個巨大的帽子裡，然後把它們抽出來。在現代，我們使用隨機數產生器。

如何操作：

  1. 為你的抽樣框中的每個人分配一個唯一的編號。
  2. 使用計算機或電腦產生隨機數。
  3. 挑選與產生出的編號相符的人。

系統抽樣 (Systematic Sampling)

把這想像成一種「有系統」的抽樣。你隨機選擇一個起點，然後每隔 \(k\) 個人挑選一個。

如何操作：

  1. 計算間隔 \(k = \frac{\text{母體大小}}{\text{樣本大小}}\)。
  2. 在 1 到 \(k\) 之間隨機選一個數作為你的起點。
  3. 此後每隔 \(k\) 個人選取一人。
例子：如果你有 100 人，想要 20 人的樣本，\(k = 100 / 20 = 5\)。隨機選擇一個起點（例如 3），然後選取第 3、8、13、18 個人，以此類推。

分層抽樣 (Stratified Sampling)

有時母體有明確的分組（稱為層 (strata)），例如學校的年級或不同年齡層。為了公平，你需要樣本的比例與母體相同。

公式： \( \text{該層的樣本數} = \frac{\text{該層人數}}{\text{母體總人數}} \times \text{樣本大小} \)

不用擔心，這並不難！ 記住，這一切都是關於百分比。如果學校有 60% 的學生是女生，那麼你的樣本中也應有 60% 是女生。

記憶小撇步

Stratified (分層) = Strata (層) = Segments (分段)。想像蛋糕的層次，你切的一塊蛋糕應該要包含每一層才行！

3. 非隨機抽樣技術

有時我們沒有所有人的名單（沒有抽樣框），所以必須使用非隨機方法。

配額抽樣 (Quota Sampling)

這就像分層抽樣，但沒有隨機性。面試官被要求在街上找 20 名男性和 20 名女性。一旦湊齊 20 名男性，他們就會停止詢問男性，轉而只尋找女性。

優點：非常簡單且低成本。缺點：可能存在偏差，因為面試官可能會選擇那些看起來「友善」的人。

方便抽樣 (Opportunity Sampling)

這只是挑選當下隨手可得的人。如果你站在健身房外，詢問前 10 個路人關於他們的飲食習慣，這就是方便抽樣。

優點：獲取數據最簡單的方法。缺點：極不可能代表整個母體。（在健身房的人可能比普通人吃得更健康！）

你知道嗎？

方便抽樣是學生在做專題作業時最常用的方法，但它也是最常被批評為有偏差的方法！

4. 批判與偏差

在考試中，你可能會被要求「批判 (critique)」一種抽樣方法。這僅僅意味著「找出其中的錯誤」。

需要注意的常見陷阱：

  • 樣本太小：如果你只問 2 個人，你不可能知道 1,000 個人的想法。
  • 偏差：樣本是否只包含某一類型的人？（例如，只在週二上午 10 點進行採訪，會忽略掉所有朝九晚五上班的人）。
  • 抽樣框錯誤：名單是否過期？是否排除某些特定人群（例如沒有座機電話的人）？

「不同樣本」規則

重要點：記住，來自同一個母體的不同樣本會得出不同的結論。這是自然的！一個好的抽樣技術的目標是確保這些差異盡可能縮小。

快速複習箱
簡單隨機：每個人機會均等。需要名單。
系統抽樣：每隔 \(k\) 個人。簡單快捷。
分層抽樣：按組別比例。最具代表性。
配額抽樣：非隨機分組。快速但可能有偏差。
方便抽樣：隨手可得的人。偏差極大但極易操作。

總結：如何選擇？

當你在解決統計與力學 (Paper 3) 的問題時，務必問自己這三個問題：

  1. 我有母體名單嗎？（如果有，請使用隨機抽樣；如果沒有，使用配額或方便抽樣）。
  2. 母體是否分為明顯的組別？（如果有，分層或配額抽樣最好）。
  3. 我有充足的時間和預算嗎？（如果沒有，千萬不要考慮普查！）。

最後的小貼士：當考試問及隨機抽樣的缺點時，「很難獲得完整的抽樣框」幾乎永遠是滿分答案！