一、核心概念理解
1. 抽样基本原理
明确总体与样本的定义，理解抽样目的是通过部分数据推断整体特征。
掌握抽样误差与置信水平的关系，例如95%置信水平下3%抽样误差对应的样本量计算。
2. 抽样方法分类
简单随机抽样：适用于总体容量较小场景，每个个体被抽到概率相等，常用随机数法实现。
系统抽样（等距抽样）：将总体均分后按固定间隔抽取，适合大规模且无显著分层的场景。
分层抽样：按特征（如收入、年龄）分层后按比例抽取，适用于异质性强的总体。
整群抽样：以群体为单位抽取，适用于群体间差异小、内部差异大的情况。
二、技术要点与原则
1. 抽样频率与时机
根据材料变化、工艺调整等因素动态调整抽样频率，无固定准则但需覆盖关键变量。
2. 子组设计原则
休哈特原则：子组内部波动最小化（屏蔽偶因），组间波动最大化（突出异因）。
3. 样本量计算
基于置信水平和允许误差确定样本量，例如1068样本可满足95%置信度与3%误差要求。
三、实践应用技巧
场景适配：
社区调查（如收入分层）优先选分层抽样，工厂质检则多用系统抽样。
质量控制：
制定标准抽样程序，避免主观分类干扰，确保均值能反映真实信号。
四、学习资源推荐
视频课程：如B站统计学系列（任文东、宋浩主讲）涵盖抽样技术实操案例。
案例分析：通过具体问题（如500家庭样本设计）理解方法选择逻辑。
通过理论结合案例、掌握原则并灵活应用不同方法，可系统提升抽样技术能力。
