实际上统计学是来自于实际问题的需求，然后根据实际问题进行数据的收集、整理、分析和解释，最后回到实际的问题当中，对问题进行解释。那么数据收集的方式有哪些呢？我们都知道数据分析有在以往有统计报告、有下级一层一层的往上报，这在计划经济时代用的比较多，当然现在在一些政府部门、大型企业当中也有应用。第二种方式是全面调查，比如说人口的普查，人口普查我们国家每十年进行一次，为什么间隔时间这么长呢？主要是因为普查所需要的人力物力时间成本非常巨大，因此只有少部分比如说经济普查才会采用，绝大部分的企业、个人是无法采用普查的方式的。第三种方式就是抽样调查，抽样调查它实际上是应用极其广泛，因为抽样调查就是从大量的总体中抽出一部分样本对总体进行推断的过程，它的成本比较小，效率比较高，因此应用范围比较广泛。 那么什么是抽样调查呢？抽样调查实际上我们刚才讲了，就是从总体当中抽取具有代表性的样本，对总体进行推断的一个过程。因此抽样调查我们又分为随机抽样和非随机抽样，随机抽样又叫做概率抽样，非随机抽样又叫做非概率抽样。那么我们现在问这样一个问题，街头拦街访问是不是随机的呢？那我们可以看出一些记者为了采访一些问题，在街头随便遇到一个人就问这问那，然后问到一部分人，然后把这材料汇总上来然后进行报。那我们就问了，这种方式是不是随机的？这就涉及到随机的一个定义，什么叫随机呢？随机实际上包含两个特征，第一机会均等，第二结果未知。那么我们按照这两个标准来衡量刚才我们说的街头拦街访问到底是不是随机的？第二个条件结果为止，肯定是满足的，在访问之前我们不知道结果。那么是不是机会均等呢？同学们可以想一想，看上去并不是机会均等，为什么呢？因为如果我们在上班时间去采访行人，那么那些家庭主妇，那些老弱病残的人他可能就不会在街头，这部分人肯定就没有机会被采访到，如果我们在闲暇时间去采访，那么那些上班族可能出现的概率就比较少，因此他们的机会并不是相等的，因此从这个角度来说，街头拦街访问并不是随机而是随便和随意。 因此随机抽样一定要保证随机性，有了随机性才会有样本的代表性，有了样本的代表性推断总体才会可靠和准确。 那么我们进行调查、抽样调查应该考虑哪些问题呢？主要考虑两大问题，第一个就是误差问题，第二是成本问题。调查的目标我们应该是成本尽可能的低，而调查的精度尽可能的高。那么如何去提高调查的精度呢？同学们想一想，有的同学说了我可以扩大样本容量，调查的容量越多，当然我的精度就会越高，但是不是这样呢？也未必，比如说我们前面讲的美国总统选举当中，罗斯福的预测过程当中，一个小的公司，他就能非常小的容量却预测非常准，而一个大的容量预测却不准，因此扩大样本容量只是其中的可能会提高它的精度，但也不一定。另外一种提高调查精度的方法改变抽样的方法，就是要在抽样的方法上多下工夫，才能让它的精度提高。

那么抽样的方法有哪些呢？抽样的方法从大的分类来说有随机抽样和非随机抽样两种，随机抽样又分为纯随机抽样，等距抽样、分类抽样、整群抽样。那么我们来接着看一下纯随机抽样是怎么一回事，纯随机抽样又叫做简单随机抽样，它应用的条件是总体不大，而且分布比较均匀的情况，如果我们试想一下如果总体分布不均匀，特别是差异很大，比如说在中国民族分布就很不均匀，如果仅仅按照简单随机抽样就有可能出现比较大的误差，比如说一个民族只有几千人，中国有13亿人口，如果按照1%进行抽样，有可能这个民族就一个人都抽不到，它的误差就比较大，当然它的应用条件比较简单的。 第二种抽样方法我们叫做等距抽样，也叫机械抽样或者系统抽样，就像一个生产流水线，生产啤酒，那么我们在生产单位过程当中需要对它进行质检，每隔一百瓶或者一千瓶我们抽出一瓶进行检验，然后对这总体进行推断。这种抽检是比较简单的，也是比较方便的。但是它可能会有一个致命的弱点，什么弱点呢？如果这个生产线是个圆的话，比如说它可能不一定是标准的圆，可能是个椭圆，在某一点上它可能出现的误差就非常大，这种误差我们把它叫做系统误差。那么这种系统误差我们用一个生活的例子来理解，比如说我们去公园，去打枪，有很多气球，我们瞄准的是这个气球，一扣扳机却没打中，那么再瞄准另一个气球也没有打中，比如说你就是拿到奥运射击冠军来进行打，他也未必能打中，为什么呢？是因为这个气枪它的准性被调偏了，你瞄的是一个地方，打的是另外一个地方，这种误差就是系统误差。我们还有经验，比如我们全班同学要体检去称体重，结果每个人称出来的体重都比正常自己的体重高出三公斤出来，那么这种误差就是由秤本身的原因所造成的，就是系统误差。还有比如说我们在公园游乐场去玩套圈，用2块钱买20个圈，那么我们用这个竹圈去套前面的礼物，如果能套中的话这个礼物就归你，但往往你套不中，而且你回去也做这样的竹圈去练习，练了一百天回来照样套不中，什么问题？是因为这个竹圈在做的过程当，它的重心并不是在它的几何中心，它是有偏的，而且每个圈它的重心并不都一样，因此你无论怎么练习，都不能掌握它的规律。那么这种误差就是系统误差。所以等距抽样一个重点要防止的问题就是系统误差，因此它也叫做系统抽样。 接下来一个分类叫分类抽样或者叫做分组抽样，分类抽样就是当这个总体当中有很多类型而且非常明显的时候我们需要对它进行分类，比如说在一个班级当中有男性和女性，他的身高肯定是有很大差异的，如果我们把他分成两类，对不同的性别进行抽样，这样的话我能保证样本的结构与总体的比例的结构基本上相同，从而保证它的代表性比较强。那么这个分类抽样要保证比较高的精度需要满足什么条件呢？同学们想一想，应该满足层内同质而层间差异，换句话说就是在一个类的内部它应该基本上是相近或相同的，而不同类之间它应该是不同或差异很大，这样就能保证它的分类抽样它的抽样误差比较小。那我们看这个分类抽样的优点有哪些呢？就说在分类比较明显的时候，我的误差就比较小，它的局限性可能就是说它的成本相对来说比较高。

第三种情况就是整群抽样，整去抽样在总体当中我们把它划成若干个群落，这个群落当中，群和群之间差异应该不大，然后我抽相应的群，比如说一个总体当中我划分了四个群，我从四个群当中抽出两个群，用这两个群代表这四个群，然后用这两个群进行全面的调查。这样这种抽样方法就叫整群抽样。那么这种整群抽样应该遵循什么原则呢？换句话说遵循什么原则它的误差比较呢？应该是群内差异而群间同质，就是在群内部应该各种情况都有，而群和群之间它应该是基本相同或相近的，这样才能用少数的群去代表大多数的群。如果这个总体的情况比较复杂，我们应该采用多阶段抽样，就是将前面所说的纯随机抽样、分层抽样、整群抽样、机械抽样结合起来进行。比如说我们要调查中国大学生他的营养状况，或者是中国大学生他的读书状况，或者中国大学生他的生活消费状况等等，那么这种情况下我们在进行中国大学生的调查过程当中，我们就可以采用多阶段抽样的方式，比如我们可以按照省进行分层，或者按照我们的学科进行分层等等。就是我们按照一定标准进行分层。然后分层完之后接下来我们可以按照整群的方式，比如说比较集中的方式我们就可以进行抽样，它的专业比较相近，地域比较相近的情况下我们按照整群抽样。然后再一个学校内部，我们又可以按照分层再进行分层，再进行整群，或者是在一个同等专业的情况下同等学生的情况下我们可以按照机械抽样的方式，最后按照纯随机抽样的方式进行。比如说在一个大学城当中，我们需要调查一个私家车的拥有率，那么这个大学城的构成比较复杂，有大学老师，有可能附近当中还有一些企业的职工家属区，可能还有一些学生的住宅区，可能还有一些商铺做生意的住宅区，那么在这大学城当中，由于建大学城可能是从农村进行征地，可能还有一些农村的居民。那么这几类如果我们按照简单随机抽样的话，有可能误差就比较大，那么怎么办呢？我们就可以按照分层的方式，首先分层，哪些是大学老师住宅区，哪些是企业住宅区，哪些是商业住宅区，哪些是大学生住宅区，哪些是农村的住宅区，先分层。然后每一个层之内我们按照整群，比如在大的生活小区当中，我们为了节省成本我们就已经一栋楼作为一个群进行抽样，一百栋楼当中我们抽出十栋楼就十个群代表这一百个群。然后这一百群当中我们又可以按照随机抽样，纯随机抽样的方式抽若干个居民作为代表，这样我们既保证了调查的精度，又减少了误差，提高了效率，从而完成了相应的任务。 因此我们说抽样方式的不同就会导致不同的抽样的成本，抽样的结果和抽样的误差，所以数据收集阶段，抽样方式是非常重要的，那么今天这讲我们到此结束。