随机样本 (random sample)

随机样本 (Random Sample)

随机样本是统计学和计量经济学中最基础的概念之一，指通过随机化机制从目标总体中选取的一部分个体或观测值。随机抽样的核心目标在于确保样本对总体具有代表性，从而允许研究者基于样本数据对总体特征进行统计推断。

定义

从数学上讲，设总体分布为 $F$，若随机变量 $X_1, X_2, \dots, X_n$ 相互独立且都服从相同的分布 $F$，则称 $\{X_1, X_2, \dots, X_n\}$ 为来自总体 $F$ 的一个简单随机样本。这一性质通常缩写为 i.i.d.（独立同分布）。独立同分布假设是大多数经典统计推断方法的理论基石。

随机抽样的主要方法

在实际操作中，随机样本的获取通常依赖以下几种抽样方法：

• 简单随机抽样 (Simple Random Sampling)：从总体的 $N$ 个个体中不放回地等概率抽取 $n$ 个个体，每个大小为 $n$ 的子集被选中的概率相同。这是最标准的随机抽样形式。
• 分层抽样 (Stratified Sampling)：将总体划分为若干互不重叠的层（strata），然后在每一层内独立进行简单随机抽样。这种方法能够提高估计精度，尤其是当各层内部差异较小、层间差异较大时。
• 整群抽样 (Cluster Sampling)：将总体分为若干群（cluster），随机抽取若干群，对被抽中群内的全部个体进行调查。这种方法在经济上更加高效，但标准误差通常较大。
• 系统抽样 (Systematic Sampling)：将总体个体按某种顺序排列，随机选择一个起点后按固定间隔抽取个体。在总体无明显周期性规律时，系统抽样可以近似等价于简单随机抽样。

随机样本的重要性

随机样本在统计学中的核心地位体现在以下几个方面。

无偏估计：在简单随机抽样下，样本均值 $\bar{X} = \frac{1}{n}\sum_{i=1}^{n} X_i$ 是总体均值 $\mu$ 的无偏估计量，即 $E[\bar{X}] = \mu$。样本方差 $S^2$ 同样是总体方差 $\sigma^2$ 的无偏估计量。

抽样分布与大数定律：来自随机样本的统计量具有清晰的抽样分布。大数定律指出，当样本量 $n$ 充分大时，样本均值 $\bar{X}$ 以概率 1 收敛于总体均值 $\mu$。中心极限定理则进一步表明，无论总体分布如何，当 $n$ 足够大时，标准化后的样本均值近似服从标准正态分布。这些性质是假设检验和置信区间构造的理论依据。

随机样本与非随机样本的对比

在实际研究中，研究者常因成本或可行性限制而采用便利样本（如在线调查志愿者）或雪球样本（如通过已受访者招募新受访者）。这类非随机样本可能引入选择偏差，使得样本的分布与总体分布存在系统性差异，严重威胁统计推断的有效性。例如，1936 年《文学文摘》总统选举民调因使用汽车注册和电话簿等非随机抽样，错误预测阿尔夫·兰登将击败富兰克林·罗斯福，而盖洛普使用配额抽样等更科学的随机化方法做出了正确预测，这一经典案例充分说明了随机样本的重要性。

有限总体校正

在实际抽样中，当样本量 $n$ 相对于总体规模 $N$ 不可忽略时（通常取 $n/N > 0.05$），计算标准误差时需要进行有限总体校正：

加入校正因子后，样本均值的方差为 $\text{Var}(\bar{X}) = \frac{\sigma^2}{n} \cdot \frac{N-n}{N-1}$。当 $n = N$（即普查）时，FPC 为零，抽样变异消失；当 $n \ll N$ 时，FPC 接近 1，可以忽略。

总结

随机样本是统计推断的基石。只有通过科学的随机化机制获取样本，才能确保大数定律和中心极限定理等理论工具的有效性，从而对总体特征做出可靠的推断。在数据科学飞速发展的今天，理解随机样本的本质和局限，对于正确评估任何数据驱动的结论都具有不可替代的意义。