抽样的方法很多,大致可分为随机抽样、典型抽样和顺序抽样三大类。抽样测定中最重要的问题是样本的代表性,就是样本要能反映出总体的特征。这就要求样本分布应基本符合总体的分布规律,抽样方法应符合概率论的要求。根据这种要求,随机抽样方法是最理想的方法。这是因为抽样必须是随机的,不能有主观偏见,谁能被抽取,完全靠样本的概率来决定,概率大的被抽取的机会就大,反之则小。随机抽样符合概率论的要求,因而不仅对总体参数能做到无偏估计,而且还能正确地估计抽样误差。随机抽样又可分为:简单随机抽样、分层随机抽样、整群抽样、两级或多级抽样等方法。
典型抽样是按研究需要,有意识有目的地从总体内选取有代表性的典型单位(个体)或单位群,以代表总体的绝大多数。典型样本如果选择合适,可获得可靠结果,尤其是从大容量的总体中选择较小数量的抽样单位时,往往采用这种方法。但由于这种方法完全依赖于抽样者的经验知识和技能,结果很不稳定,而且不符合随机原理,无法估计抽样误差。
顺序抽样是按照某种既定的顺序,每隔一定间隔抽取一个抽样单位组成样本。为了确定第一个被抽的个体,常按顺序将总体的全部个体,分为个体数相等的组,组数等于样本容量,在第一组用随机法确定第一个被抽的个体后,按等间隔抽取其他组。实际应用中有对角线式、棋盘式、分行式、平行线式等方法。顺序抽样法不符合概率论的要求,不能正确估计抽样误差。但顺序抽样方法简便,抽样单位在总体中的分布均匀,抽出的样本更具有代表性。
样本的代表性不仅与抽样方法关系密切,而且受样本容量的影响也很大,也就是样本必须要有足够数量的个体。根据样本均数标准差与样本大小(n)的平方根成反比的关系可知,样本个体数愈多,抽样误差愈小,样本的代表性就愈大。但是,样本过大又会耗费过多的人力物力,延误时间。因此,确实合理的抽样数量是抽样调查测定中的重要问题。确定抽样数量要根据抽样调查测定的目的所允许的误差范围和可靠程度来计算。
以植株高度、穗长和产量等连续性变量为例,用简单随机抽样法抽样时,由(www.xing528.com)
可知,当所抽样本的平均值(
)和总体的平均值(μ)的差为均数标准差(
)的1.96倍即t值时,有95%的可靠性。这时的样本容量应为:
所得20株为小样本(<30),所以,其t 值不同于大样本(>30)时,标准正态分布概率为95%的概率度值,但是t受n-1的影响,n 又是未知值,因此可先用1.96求出一样本值n1,根据n1-1在t表中查到t值,代入上式再算一次,由20-1=19,查t 表得t值为20.9,代入上式得
所以,每个重复调查23株较为合适。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
