统计调查
从抽样设计到误差控制,搞懂一次调查的底层逻辑与常见陷阱
按 空格/→ 演示下一步
全部页面点击任意一页,跳回舞台从这页播放
统计调查
从抽样设计到误差控制,搞懂一次调查的底层逻辑与常见陷阱
整理数据
上一步我们拿到的是一堆原始记录——问卷答案、测量值、零散数字。它们现在只是「散落的珠子」,看不出规律。这一步要做的,是把这些珠子按规律串起来,让数据自己说话。
包裹先验视、按地区码放、再登记入册;数据也先审核、分组、再制表呈现
绘制统计图
绘制统计图:定义、要点与典型应用
统计调查
会整理数据只是『中段』。数据从哪来、靠什么方式收,这要做『统计调查』——它直接决定结论可不可信。
一勺=样本,整锅=总体;勺子要搅匀再舀才典型
调查问卷
上页我们梳理了统计调查的全流程——问卷是其中最常用的数据采集工具。它怎么从一张纸变成现代社会的'听诊器'?
都用标准化项目收集可对比的数据:体检量身高体重,问卷量观点态度
数据
做完了调查、整理好了表格、画出了统计图——这一切操作的起点都是数据。可「数据」究竟是什么?它有哪些类型?这页讲清楚。
买回来的菜要洗、切、炒才成菜;数据要整理、分析才出信息
划记法
划记法:背景、意义与延伸了解
频数统计表
上一页我们用划记法数出了一堆「正」字,但这堆零散的正字没法直接看出谁多谁少、占多大比例。这一页要把它们搬进一张表里——频数统计表。
每个候选人对应一行,得票数就是频数,一眼看出谁领先
条形图
整理完数据做成频数统计表,数字虽然齐全,但一眼看不出谁大谁小。怎么让数据'跳'出来让人秒懂?这就轮到条形图登场了。
让数据并排站成一排比高低,谁高谁矮一目了然
扇形图
上页的条形图让我们看清了「谁高谁低」,但有时更关心「各占多少」——全班60人,男生有多少?占比多少?这就需要扇形图登场。
整个披萨=总数,每块大小=各部分占比,块越大占比越高
全面调查
全国人口普查,挨家挨户登记每一个人——这就是全面调查。不抽样、不估计,追求的是全体数据的完整。
全校每个人都点到,一个不漏,结果确定但耗时费力
抽样调查
上页讲全面调查——一个不漏、数据精确。但全校两千学生测视力、几万灯泡测寿命,全部检测既耗时又毁物,根本不现实。怎么办?
几毫升血推断全身状况,不必抽干也能做诊断
样本的代表性
抽样调查只研究总体中的一部分——样本。但凭什么用几千人就推断上百万人的情况?这就要谈「代表性」:样本能不能扛起「以小见大」这面大旗。
搅匀后舀一小口(适量+随机),只舀表面会偏咸或偏淡
标记重捕法(估计总体数量
我们已经学过抽样调查要保证样本的代表性。但如果对象是整片森林里的野生鹿群,你没法逐个编号——这时该怎么办?
红墨水(M)被稀释的倍数,等于泳池水量(总体)相对墨水的倍数
本节要点
- ✓选对调查方式:少量目标求准用全面,大量目标靠抽样看代表
- ✓问卷含糊则后续全废:数据上限锁在源头,不在图表
- ✓整理的本质:把一堆数压成一组分布,让规律自己浮现
- ✓图选错结论就偏:条形图比多少,扇形图比占比
- ✓样本不在多而在像总体;标记重捕靠两次捕获反推总量
课后思考
课后留三道开放题,先自己想,再对照参考答案。答案给出思考路径,不是唯一标准。
参考答案"划算"指时间、人力与成本的节省,同时兼顾可靠性。总体庞大(如全国人口)或检测有破坏性(如灯泡寿命)时,全面调查既不现实也不经济,抽样用部分推断整体就成了更优解。
参考答案先界定总体(全校学生)与样本(抽取的部分同学)。三个要点:1.随机抽样避免主观偏误;2.样本量要够,否则代表性不足;3.样本的性别、年级、文理科结构要与总体一致。
参考答案会偏大。若标记降低鱼的被捕概率(如标记物让鱼更警觉),二次捕获中标记鱼比例会偏低。反推总数时,只能用更大的总鱼数才能"对得上"观测到的标记数,于是高估了真实数量。