7.4: 有限总体校正系数
我们看到样本数量对方差有重要影响,因此也对抽样分布的标准差有重要影响。 同样令人感兴趣的是抽样占总人口的比例。 我们假设人口非常庞大,而且我们对一小部分人口进行了抽样。 随着总体变小,我们对更多的观测值进行抽样,样本观测值彼此之间并不独立。 为了纠正这种影响,可以使用有限校正因子来调整采样分布的方差。 当对超过5%的人口进行抽样并且人口规模已知时,这是合适的。 在某些情况下,人口是已知的,因此必须应用校正系数。 均值的抽样分布和比率的抽样分布都出现了问题。 标准化公式中显示的均值方差的有限总体校正系数为:
Z=¯x−μσ√n⋅√N−nN−1
对于比例方差,则为:
σp′=√p(1−p)n×√N−nN−1
以下示例显示如何应用该因子。 使用上述公式调整采样方差。
示例7.4.1
据了解,美国白人德国牧羊犬的数量为4,000只狗,德国牧羊犬的平均体重为75.45磅。 另据了解,总体标准差为 10.37 磅。 如果样本数量为 100 只狗,则求出样本的平均值与真实概率均值相差小于 2 磅的概率。
- 回答
-
解决方案 7.1
N=4000,n=100,σ=10.37,μ=75.45,(¯x−μ)=±2
Z=¯x−μσ√n⋅√N−nN−1=±210.37√100⋅√4000−1004000−1=±1.95
f(Z)=0.4744⋅2=0.9488
请注意,“差异较小” 是指平均值两侧向右或向左 2 磅以内的面积。
示例7.4.2
当客户使用Rudy的在线办公用品下订单时,计算机化会计信息系统(AIS)会自动检查客户是否已超过其信用额度。 过去的记录表明,客户超过信用额度的概率为0.06。
假设在某一天总共下了 3,000 个订单。 如果我们随机选择360个订单,那么10到20个客户超过其信用额度的概率是多少?
- 回答
-
解决方案 7.2
N=3000,n=360,p=0.06
σp′=√p(1−p)n×√N−nN−1=√0.06(1−0.06)360×√3000−3603000−1=0.0117
p1=10360=0.0278,p2=20360=0.0556
Z=p′−p√p(1−p)n⋅√N−nN−1=0.0278−0.060.011744=−2.74
\[p\left(\frac{0.0278-0.06}{0.011744}
<\frac{0.0556-0.06}{0.011744}\right)\]