抽樣理論

抽樣理論是統計學的核心課題之一，旨在透過從母體中選取部分個體（即樣本）來推斷整體的特性。這一分支的基礎包括抽樣方法、樣本大小的確定以及無偏估計等技術，常見的抽樣方法有簡單隨機抽樣、分層抽樣、叢集抽樣與系統抽樣等。在實際操作中，研究者常依賴 抽樣方法 以設計能夠反映母體結構的抽樣架構，以提升估計的效率與精確度。

樣本大小的決定涉及置信水準、容許誤差以及母體變異程度等因素。常用的計算公式為 n = (Z²·σ²)/e²，其中 Z 為標準常數，σ 為母體標準差，e 為設定誤差。透過該公式可確保樣本均值具備 無偏估計 的特性，進而在大量觀測下趨近於母體真實值。

抽樣理論廣泛應用於 社會調查、科學實驗 以及 品質管制 等領域。例如，在市場研究中考量消費者偏好時，常使用分層抽樣以確保各區域樣本的比例合理；在實驗設計中，系統抽樣能幫助控制變量的影響；在製造過程裡，抽樣檢測則可即時監控產品缺陷率，降低不良品流入市場的風險。

總之，抽樣理論提供了一套系統化的抽樣框架與估計方法，使研究者能夠在有限資源下獲得可靠且具統計意義的結論。