【必讀】基礎統計（上）

今天和大家分享我們這個DMIC 六SIGMA這個DMIC方法論當中 基礎統計及抽樣方法的一些個內容的分享 我們今天的內容主要分爲三部分 第一部分就是數據的類型 第二部分就是總體參數和樣本統計量的這個概念 第三部分就是一些常用的抽樣方法 那麼我們知道六SIGMA它的這些個方法論當中 涉及了很多的這個統計工具 那麼我們前面也分享了差不多幾十次的這個直播的內容 那麼我們今天這次直播呢 就是回到我們算是比較簡單和基礎的一部分內容 就是基礎的這個統計 因爲我們知道這麼龐大的這個統計工具 其實到後面了 基本上是分爲這麼幾大類的 比如說我們到M階段學的這個MIC 它其實就是分爲了我們的這種 根據數據的兩種類型分爲了兩大類 包括我們的這個再往後學 學到這個迴歸 其實也分爲兩大類 包括我們的假設檢驗也分爲兩大類 基本上這些龐大的統計工具都分爲 根據數據的類型都分爲兩大類 所以我們今天的重點介紹一下數據的類型 然後後邊呢 其實基本上的包括我們這些個 最龐大的一個工具庫就是假設檢驗 那麼假設檢驗的這個前提的背景和邏輯呢 就是靠我們的這些個 從總體裏面抽取樣本 它是一個這個少樣本 小概率實踐的一種反證法 所以我們要把這個基礎打牢呢 我們要講第二部分 就是總體的參數和樣本的一些常見的統計量 那麼今天的第三部分呢 就是我們的這個抽樣方法 基本的一些抽樣方法 我們今天主要就是分享這三部分內容 那麼我們現在呢 就開始第一部分的這個分享 大家呢可以一邊聽 一邊幫老師點點關注啊 點點贊 好 我們的這個數據的類型啊 不管是生活當中 還是我們在這個工作當中 我們的數據類型呢 基本上是分爲兩大類的 第一大類呢 我們叫技術型數據 有時候呢 我們也管它叫離散型數據 另外一種呢 就叫計量型數據 那麼有的時候呢 我們也管它叫連續型數據 當我們說連續型數據啊 其實和計量型數據 這都是一回事 那麼我們來看一下 這兩種數據的類型 有什麼區別 那麼技術型數據呢 或者叫離散型數據呢 我們定義就是它的這個隨機變量 就是我們的數值取值 只分爲有限個 那比如說啊 我們的這個良品數 我們會說良品數是什麼 要不就是一個 或者說不良數吧 一個兩個三個四個五個 它是一種整數的這種去體現的 它是整數去體現的 我們不存在說什麼 一點四個不良品 對吧 這個就太奇怪了 包括我們的人數啊 包括我們考試的一些排名 考試的一些排名 比如說是第一名啊 第二名第三名 這種啊 比較常見的 以這種整數形式出現的 理論上 它根本就沒有小數點的 那我們叫技術型數據 大家可以想到 按照這個名字來看 技術嘛 對吧 記一個兩個三個四個 那麼什麼離散怎麼解釋呢 就是說我們的這些數據 它不是一種連貫的 不是一種連貫 它是分散的 你比如一二三 這個一和二之間有沒有啊 沒有了 對吧 沒有了 二和三之間有沒有啊 沒有了 所以這個就叫技術型的數據 那麼跟它相對應的 就是我們的這個計量型數據 也叫連續型數據 什麼意思 就是說我們從理論上來說啊 我們的隨機變量的取值呢 它是有無限個的 有無限個的 比如說我們的身高 雖然呢 我們平常測身高的話 可能一般體檢的話 我們會精確到小數點後一位 比如說 174.5釐米 174.6釐米 那麼這個是不是我們的真實身高 這個並不是我們的真實身高 只不過是因爲我們沒有辦法 因爲我們的這個測量儀器 它的這個分辨力 就是所謂的最小刻度 是有侷限的 我們一般呢 考慮我們實際的一個需求呢 測到小數點後一位就可以了 1米74.6 但是呢 我們的真實身高是1米74.6嗎 它不是 它是多少呢 首先我們不知道 但是我們可以肯定的是什麼 就是肯定是1米74.6 小數點肯定會有很多很多位在去循環 只不過呢 我們測不出來 我們也沒有必要測得這麼精細 所以說 在一定區間內呢 我們可以任意的去取值 這個數值呢 是連續不斷的 連續不斷的 不像我們離散型數據 它會分 分一二三這種整數的形式 比如說 我們說剛纔舉的例子身高 比如我們說速度 比如說我們說厚度 那麼這些呢 都是連續型數據 但我們來說一下啊 這個技術型數據和連續型數據的優點和缺點 各是什麼啊 各是什麼 呃 我們來舉一個例子 比如說啊 我們今天呢 嗯 生產了 比如說我們今天 呃 生產了 1000個啊 產品 我們今天生產了 1000個產品 那麼呢 我們啊 這裏面呢 我們就說啊 裏面有不良品在混入啊 有不良品在混入 混入多少呢 差不多我們說 呃 有十個不良品 我們需要把這十個不良品呢 剪出來啊 剪出來 那麼我們有兩種檢驗的方法 第一種方法是什麼呢 就是我們的標準不一致啊 第一種標準就是 我們去看啊 去看這些1000個產品的外觀 有沒有在我們的這些外觀上 有一些 呃 比如說磕碰傷 磕碰傷 比如說有凹坑 這種磕碰傷 只要他有 只要我們用肉眼能看見它存在 我們不管啊 他是多大的一個凹坑 還是多小的一個凹坑 只要他有啊 我們就認爲他是不良品 那麼我們如果這樣去判定的話呢 啊 去目視的檢測1000個產品 那麼基本上啊 我們可能很快就剪出來了啊 很快就剪出來了 可能我們需要花費一個小時 花費一個小時剪出來 但是我們能得到什麼概念呢 或者我們能得到什麼結果呢 我們能得到的只是一個比值 只是一個比值 什麼意思啊 我們花了一個小時的時間啊 只要用肉眼去看啊 有有顆凹坑啊 有凹坑 我們就把它拿出來 不管凹坑多大 多小啊 再小的凹坑 我們也把它拿出來 那麼時間上 我們很快就能把它判別出來 判別出來 但是缺點是什麼 缺點就是 我們得到的數據類型 是離賽型的數據 什麼意思啊 就是我們檢驗了1000個 最後只能得到數據是什麼 我們從1000個裏面去 全檢啊 只找到了10個 我們說不良品 那麼也就是說 我們這種離賽型的數據 它最後給我們的 帶來的信息是什麼 只有一個東西 這個東西叫什麼呢 這個統計量叫什麼 叫比率 只得到一個比率 那麼我們換一種檢驗的方式 我們說啊 開始給一些具體的標準了 這個標準是什麼呢 我們的凹坑的直徑 小於0.5 需要小於0.5啊 就OK 大於這個凹坑 我們說標準換了啊 我們的這個凹坑 大於0.5釐米 它的直徑大於0.5釐米 我們就說 這個是個不良品啊 不行 小於0.5釐米呢 我們還是認爲它是良品 那麼這個時候 我們最後得到的結果是什麼 我們全檢了1000個產品 我們用儀器 我們用儀器呢 去測啊 挨個測測什麼呀 有凹坑的這些產品 它的直徑是多少 那麼我們會得到什麼呢 會得到這樣的數據 比如說0.4 0.6 或者0.3 那麼這個時候呢 我們最後還是能得到同樣的結論啊 比如說10個不良品 我們會發現 我們不僅能得到一個比率 我們還可以通過啊 這些個你看 凹坑的直徑 0.4啊 0.6啊 0.3啊 0.5啊 0.7啊 0.9啊 這些就叫連續性數據 那麼我們通過這些連續性數據 就能得到很多信息 這些信息有什麼呀 比如說 我們數據的啊 這個波動如何 我們這個凹坑的平均直徑是多少 那麼這些就是連續性數據的好處 所以我們來總結一下 離散型數據 它的優點是什麼呢 就是快 快捷 很快捷 很方便 那但是它的優點啊 也就是計量型數據的缺點 計量型數據的缺點就是比較慢嘛 對吧 我們要是用這種尺去量 每一個凹坑的面積 和我們的標準0.5去比較 那麼全減1000個產品 那就速度會慢很多 但是技術型數據的缺點是什麼呢 就是我們這些數據得到的信息量比較少 那麼我們最後得到的信息是什麼 只有一個比率 我們檢驗了1000個產品 那麼不良品有10個 我們說這個不良率是1% 那麼連續型數據的優點是什麼呢 就是它的信息量很豐富 我們可以看到數據的一個波動的情況呀 變異的大小啊 我們的一個平均的情況 這些是我們能得到的 我們換句話再說 如果在我們的工作當中 我們全部的數據都變成離散型數據了 沒有連續型數據了 那麼我們最後就會得到一個指標 什麼呀 一個數據是什麼 就是說我們現在的不良率很高 有多高啊 3% 那麼我們如何去分析 如何去改善呢 不知道 爲什麼 我們信息只有這一個比率 其他的一些個 其他相關的統計量 我們都不知道 所以這個呢就比較麻煩 那基本呢 我們這個六Sigma裏面涉及到的所有的統計工具 就分爲兩種 兩大類 一類是計數型的 一類是計量型的 比如說我們剛纔說的MSA 它是不是根據數據的類型分爲兩種 這種能測出來具體讀數的 我們說是計量型的MSA 那麼判定外觀 目視檢測 那麼這些屬於什麼 計數型的MSA 包括我們後邊要學的這些迴歸 對吧 連行數據呢 我們對應的是多元迴歸 多元迴歸 那麼一賽型數據作爲外 我們得到的用的工具是什麼呀 邏輯迴歸 所以這個是 我們在學後面這麼多複雜的統計工具之前 首先要打好的第一個基礎 我們要知道這個數據的類型 分爲兩大類 計數型和計量型 他們優缺點呢 我們要知道 我們的數據類型 我們說第二部分 我們的數據類型呢 其實還可以 以另外的一個角度去細分 那麼我們說這個叫什麼呀 四種數據 分別叫定類 定序 定據 定比 其實我們中置寫考試的時候呢 也會考這些 這些內容 那麼來看一下 什麼叫定類呀 定類到定序 定序到定據 定據到定比 它是一個 我們的數據不斷變高級的一個 就是分類 最低級的叫定類 那麼什麼叫定類呀 它是一種名義級的數據 也就是說 我們這個數據出來之後啊 它只能分爲不同的類別 只能分爲不同的類別 比如說我們說常見的男女 良品和不良品 比如說我們喝的這個奶茶 是吧 我們奶茶的品牌 比如說什麼品牌 比如說有什麼 我們說茶百蕩 對吧 有星巴克 有這個 等等等等吧 對吧 這些不同的品牌 那麼這些品牌之間 它有沒有關係呢 誰比誰好嗎 誰比誰差嗎 沒有 我們不能說男的比女的強 或者說女的比男的強 沒有 它倆沒有一個關係 只是說進行了一個分類 那麼所以這種數據呢 我們叫定類 它能體現的 只是分成不同的類別 這個是我們最低級的一種數據類型 那麼再往下呢 我們就叫定序數據 什麼意思 我們還是可以分成幾類 還是可以分成幾類 但是這個類別之間 它開始可以排序了 有這種高低之分了 有差別之分了 但是我們這些數據 還是停留在分類排序的一個狀態和範圍內 不能做斯德運算 也就是所謂的加減乘除 這些不能做 那麼舉個簡單的例子 有的時候我們會做一些個顧客滿意度的調查 那麼一般的 他會給我們幾檔評分 幾檔評分 比如說12345 那麼也就是說 我們的這個分數呢 只能分爲五個類別 12345分 但是這之間 12345之間和不像男女啊 良品不良品這種沒有關係了 他們是有層級關係的 我們是可以排序的 那最次的是多少 最差的就是一嘛 最高的呢 最高的最好的就是五 這個就是說分類之後 我們的數據可以進行排序 包括有的時候 我們產品可能會分一些等級 比如說 一等品 二等品 三等品 分類之後呢 他是可以排序的 那一等品當然是最好的 其次是二等品 然後呢 是三等品 再往下 比如說我們的這個定據數據和定比數據 他基本上的就是 可以做加減乘除了 他應該是有具體的數值出現了 那麼什麼叫定據呢 就是說 我們的數據呢 只可以做加減 不可以做乘除 比如說溫度 怎麼說呢 我們說60度 比30度 多了多少呢 溫度高了30度 但是我們不能說做除法 爲什麼呢 因爲這個溫度是可以取到負數的 溫度是可以取到負數的 我們有零下多少多少度 所以他只能做加減 他不能做乘除 那麼到最高一級的數據呢 我們就叫定比數據 那麼定比數據是什麼意思呢 就是說我們不僅可以做加減了 還可以做乘除 比如說身高 比如說體積 我們說比如說 這個小朋友的身高是一米 那麼我們說姚明的身高是兩米 那我們可以說做減法可不可以 可以 姚明的身高比這個小朋友的身高高了一米 那麼我們說做除法可不可以 也可以 我們說姚明的身高是一個小朋友身高的兩倍 這個也可以 就可以做除法了 這個就是最高級的數據 叫定比數據 我們的數據類型呢 除去離散和連續之外 我們還可以按這種從低級到高級去分這四大類 好 下面我們來討論一下 我們來看幾道題 我們來討論一下 我們和大家互動一下 我們來看一下第一題 我們下列數據中的屬於定比數據的 是哪一項 ABCD 大家可以把我們認爲的答案的打到公屏上 我們來一起討論一下 大家感覺是哪一種屬於定比數據 C 我們這個是多選題 可以多選 它和引路都是接受C 某小川川說B 我們三個小夥伴已經把三個選項都說了 首先我們來說一下溫度是不是 某小川川又補充了一下B和C 對溫度是不是 溫度不是 因爲我們剛纔說了 溫度它沒有一個絕對零點 溫度是可能出現負數的 比如說負6 零下6度 所以它不能做除法 那麼B高度可不可以 可以高度是一個定比數據 那重量可不可以 我們說兩斤是一斤的兩倍 可以做除法 所以C也是可以的 那麼空氣質量等級 這個是什麼型數據 我們說空氣質量等級 我們一般分 比如說優 良 中 差 我們這樣說 我們這個是屬於什麼數據 定類 定序 定比 定據 它是什麼型數據 定據嗎 我們可以做定據是什麼 定據是我們可以做減法 其實它做不了減法 對吧 它屬於一個 這個叫離散型數據 我們說這個叫定類 對不對 定類也不對 雖然它分爲了四個類別 但是它是可以排序的 對 某小川說定序 對 它是可以排序的 那分爲了四個類別 還可以排序的 我們說這個叫定序數據 是的 定序數據 好 那我們來看一下 第二題 大學中不同的專業院校 這屬於哪一種數據 定類 定序 定比 還是定據 大家可以把我們認爲的答案 打到公屏上 定類 星空下說定類 對的 這些個院校有沒有 比如不同的專業 比如說機械 比如說法學院 比如說電器 比如藝術學院 它有沒有毫塊之分的 沒有 它跟我們的性別一樣 它只是進行了一個分類 所以我們這個是定類數據 是的 說的也對 然後我們來看一下第三題 我們其實當然不是爲了 讓大家做題 是爲了通過這幾個題 能讓大家去理解 很快速的 很快速的理解 這四個怎麼區分 我們下列這些統計數據中 由定類尺度計量 形成的是哪一個 這個應該比較簡單了 對吧 我們選哪一個 營業額 產量 成績分數 性別 我們這個是哪一個是定類的 沒有小川川說 我上一題是吧 地對地對 那麼性別的分男女 對吧 我們千萬不能說定序 對吧 你不能說定序 你說分完男女之後 這個哪個比哪個好 這個就不對了 這個屬於性別歧視了 對吧 這個可不行 所以它是定類 它不能定序 那麼營業額 產量和成績分數 其實都屬於定比 定比數據 好 這個是我們第一部分的內容 我們來看一下第二部分 第二部分 也很重要 爲什麼 因爲我們知道學習六c個嗎 它基本涉及到的一個東西 叫什麼呢 叫統計 對吧 然後統計裏邊 我們其實 你看我們學了兩部分 簡單的一部分 叫描述性統計 就是我們那些個圖形 圖表 這個我們放到下一次 下一次分享的時候 和大家去進行分享 比如一些個圖形的 這種分析和表示 一些可視化的圖形 那麼還有一大部分 很重要的內容 叫什麼呢 叫統計 推斷 推斷統計學 我們其實整個六c個嗎 它最龐大 最複雜的工具庫 體現在哪個階段 其實體現在了A階段 也就是我們的分析階段 分析階段 爲什麼出現了這麼多 龐大的統計工具 它的作用 主要體現在了 驗證我們項目當中的根本原因 那麼用什麼方法 去驗證我們項目的 這些根本原因呢 用的就是假設檢驗的方法 那麼假設檢驗 我們要理解假設檢驗 它最開始的一個大前提 其實並不是 我們要先學什麼 Alpha Beta T統計量 F分佈 卡方分佈 並不是這些 而是要明白它的邏輯 它的邏輯建立在什麼之上呢 就是我們說的總體和樣本的 這個概念建立在這個之上 那麼我們來先簡單說一下 什麼叫總體 就是我們研究對象的全體 研究對象的全體 那這個呢 需要我們的去定義 需要我們去定義 比如說當我說 我想了解一下 今天生產的產品 這個重量 是什麼樣的一個情況 那麼我們的全體 就已經被定義出來了 我們的總體就被定義出來了 是什麼 是我們今天生產的 所有的產品總量 但是我們在製造過程當中呢 在我們的這個工作當中 製造環境裏面 有兩種最常見的情況 是我們無法獲得總體的 哪兩種最常見的情況呢 第一 破壞性區 比如說 我們現在咱們是一個公司的 我們生產的產品是什麼呢 是鞭炮 今天領導和我說了 你去今天 把我們今天生產的產品 檢驗一下 我想知道 我們今天生產的這些個產品 到底有沒有不良品 我能不能全檢 我挨個把我們這些個炮 挨個都點一遍 對吧 都炸了 炸完之後 我挨個測試 響了沒響 良品不良品 然後我去找老闆彙報工作 我說老闆 我們今天生產的所有的產品 良品率百分之百 他說你怎麼知道的呀 我說我全檢了呀 所以那就不行了 對吧 要倒黴了 所以對於一些破壞性需要 我們不能全檢 不能全檢 我們就不能知道總體的一個情況 第二個常見的情況是什麼呢 就是我們不能知道總體情況的 第二個常見的情況是什麼 就是我們在測量的時候 比較費時費力 成本比較高 比如說 我們有的這個行業 它的這個生產量非常大 比如我們一天生產了 50萬的產品 那麼我們全靠人檢 這個成本就太大了 對吧 你僱這個檢驗員 他也要 你給人付工資的 也要花時間的 所以這是兩種最常見的 我們不能知道總體的一個情況 那麼怎麼辦呢 我們只能退而求其次的 從總體裏面進行抽樣 想知道總體的情況 只有一個辦法 什麼全檢 但是這兩種情況 破壞性測量和人力時間的成本 比較高的時候 我們不能全檢 那怎麼辦 只能通過抽樣 所以我們就引出了一個概念 叫樣本 什麼叫樣本 就是我們從總體裏邊 去抽取一部分 來代表我們的總體 那麼這個就叫樣本 這個就叫樣本 然後呢 我們就來說一下 我們的第二部分 叫總體的參數 和樣本的統計量 這些大家應該看得都比較熟了 對吧 一般呢 我們比如說總體 我們現在直播間三十個人 我把每個人的身高都測一遍 比如一米七五 一米七四 一米七 這些呢 是我們的總體的 每個人的單點數據 我們搞這些個分析的時候 大家都知道 我們不能 用這些個原始數據 網上一堆 對吧 領導你看吧 你看吧 這些數據全在這了 全檢了 那不能這樣 我們有一些 對總體的一些描述的參數 這些參數有什麼呢 比如說我們常見的平均值 方差 標準差 這個是總體 所以我們一般說 對總體的一些概括性描述呢 它叫參數 叫總體的參數 那麼當我們無法全檢 無法知道總體情況的時候呢 我們就只能進行抽樣 只能進行抽樣 那麼抽樣之後呢 比如說我們總體是一百個 一百個 一百個人 但是呢 我們不能全檢 抽吧 抽多少個呢 抽十個 那麼這十個叫什麼呀 就叫樣本量 那麼我們對樣本的概括性描述 它就不叫參數了 叫什麼呀 叫統計量 所以大家要知道 後面我們要區分開 凡是我們說形容總體的描述 我們都叫參數 凡是形容統計量的 我們都叫 凡是形容樣本的 我們都叫統計量 都叫統計量 所以你看 我們說平均值 有的時候呢 大家看到的是這種 它叫 怎麼念 叫μ 有的時候呢 我們看見的是這種 X上面帶了一個橫槓 我們叫X8 它到底有什麼區別啊 其實μ是說 它叫總體均值 那麼X8呢 我們叫樣本均值 我們經常看見這兩個 這個就是 就是這個表示方式 方法 我們要知道區別 那麼總體的方X呢 我們叫σ方 你看我們6σ 怎麼寫 6倍的σ 它是形容總體的 叫總體的方X 那麼樣本的方X呢 我們就不叫 不用σ表示了 用這個首字母S來表示 那以此類推 總體的標準X呢 我們叫σ 樣本標準X呢 我們叫S 這個是區分 大家要知道 你一看到S的時候 你就知道 這個是代表 樣本的一個標準X 那麼其實呢 我們從總體裏邊呢 我們捋一遍這個邏輯啊 首先 我們想知道總體的情況 這個是我們最想知道的 比如說我們有100個人 是我們的總體 我想知道這100個人的平均身高 那麼怎麼辦 只有一個辦法 這個辦法是什麼 就是全減 把100個人的身高 全部測量過來 然後呢算一個平均值 這個平均值叫什麼 叫總體平均值 也就是我們前面看到的這個μ 它是一個固定不變的 總體平均值呢 也是總體的一個參數 它是固定不變的 它是不會變的 因爲全部東西都在這了 你都測了 它是不變的 但是呢 有的時候呢 我們無法知道總體的一個情況 什麼時候啊 全減不了 基本最常見的兩種情況就是 第一 破壞性取樣 對吧 當然了測量身高不是啊 你不能說測一個人的身高 這人就嘎了 那肯定不是 破壞性取樣不行 第二呢 就是我們測身高 費時費力 你說這100個人全部拉去測身高 這測完這100個人的身高 半天過去了 什麼也沒幹 所以這個時候呢 我們就無法知道總體的情況 被逼 被迫 無奈 我們才進行了抽樣 抽多少呢 我們說從這裏面抽五個 抽十個吧 抽十個 抽十個人 那麼這十個人叫什麼 就叫樣本 那麼我們抽了十個人 我們算了一下樣本的這十個人 十個樣本的平均身高 那麼他可就不是6了 他是X8 是多少呢 1米73 那麼問題來了 我們能不能說啊 我們這100個人啊 我們這個總體的平均身高是1米73 我們來討論一下 大家感覺這個東西好像比較簡單 但是我們在工作當中 經常會這樣的一種處理數據的方法 會很頻繁的在出現 我們從這100個人裏面抽了十個人 作爲樣本 然後呢 我們算出來一個樣本的平均身高是1米73 然後呢 我們就說我們這個總體呀 我們這整個這一幫人啊 平均身高大概就在1米73 我們可不可以這樣 我們來討論一下 愚夫傳奇來了啊 歡迎愚夫傳奇 愚夫傳奇我們約定的週五 我們週三就開始了 大家感覺可以不可以啊 大家可以打到公屏上 謝謝白雲朵朵的點亮粉絲團 大家感覺可以呢 就扣一 不可以呢 就扣二 我們來討論一下 因爲這種情況 其實大家知道在這個工作當中啊 6SIGMA是一個比較複雜 或者是比較龐大的一套方法論 那麼能用這套方法論的人呢 在一個公司裏面其實並不多 大部分人的這種工作方式還是比較簡單的 還是比較簡單的 聽雲說可以 所以我們說這個 你看我們說 爲什麼說總體參數是固定不變的 因爲我怎麼抽 我怎麼檢測 他整個也是100個人啊 不變 你再檢一遍 他還是這100個人 但是抽樣 抽樣就不可以了 我們這次抽了10個人 對吧 有可能是誰啊 我們這次抽了10個人 有可能是他 他 對吧 我們就簡單說是第一排的這5個人被抽中了 那麼這個 平均身高 樣本的平均身高 1米73 是誰啊 是我們第一排人的 那麼大家不要忘了抽樣 它是有隨機性的 抽樣是有隨機性的 如果我們現在有放回 把這10個人放回去啊 再從這100個人裏面再抽一次啊 再抽10個人 那麼有可能抽到的10個人 就不是剛纔那10個人了 有可能是第三排這10個人 那麼這個時候我們再看 樣本的平均值呢 可能又變了 變成1米 1米75了 所以我們說什麼 這個樣本的統計量啊 它是隨機變化的 它不是固定一稱不變的 爲什麼 就是因爲抽樣有隨機性 抽樣有隨機性 所以我們不能啊 抽完一次樣之後 你說樣本統計量是1米73 我們就說總體就是啊 總體的平均值 總體的平均值啊 也是1米73 這個肯定是不對的 所以我們才影射出來了 另外一個是什麼呀 就是統計推斷啊 統計推斷 我們不能用樣本統計量 直接來代表總體 那麼所以我們有了另外一部分內容 叫統計推斷 那麼這一部分內容呢 其實就放到了我們A階段的 這個假設檢驗啊 我們其實之前呢 簡單的講過一部分啊 大家感興趣的可以點點關注 進到我們的主頁 有這個Adrian老師的合集啊 大家可以往前看這個回放 我們其實講過一部分 還沒講完 那麼其實第二部分是什麼呢 就是抽樣啊 就是抽樣 所以大家要知道 從總體到樣本 是爲了獲得總體的一些信息 那這裏面就兩部分 主要大的工作要去做 哪兩部分大的工作要去做呢 第一部分就是怎麼抽啊 如何抽樣啊 第二部分就是我們剛纔說的 抽完樣之後得到的這個樣本統計量 比如說x8 1米7 不能直接代表總體啊 那麼我們如何利用一些統計方法 去推斷啊 總體的一些個參數的狀況 那麼這個叫統計推斷 所以這是兩部分內容 那麼我們今天分享的內容是什麼呀 第一部分啊 抽樣我們怎麼抽 我們和大家簡單介紹 幾種常見的抽樣方法