PE Notes · 확률통계
표본추출
표본추출(Sampling): 모집단(Population)에서 조사·분석할 일부 대상(표본, Sample)을 선택하는 방법
표본추출(Sampling): 모집단(Population)에서 조사·분석할 일부 대상(표본, Sample)을 선택하는 방법. 목적: 적은 비용으로 모집단을 대표하는 정보를 얻어 모수를 추정.
구조와 칸
| 방법 | 절차 | 장점 | 단점 |
|---|---|---|---|
| (SRS) | 모든 대상에 같은 확률, 난수로 n개 선택 | 가장 기본, 분석 단순 | 프레임 필요, 소수 집단 누락 가능 |
| 계통(체계적) 추출 | 추출 간격 k = N/n, 무작위 시작점 r부터 r, r + k, r + 2k, … | 간편·고르게 분포 | 명부에 주기성이 있으면 편향 |
| (Stratified) | 모집단을 동질적인 층(성별·지역)으로 나누고 층마다 무작위 추출 | 정밀도 향상, 층별 분석 가능 | 층 정보 필요 |
| 군집(집락) 추출(Cluster) | 모집단을 이질적 군집(학교·지역 블록)으로 나누고 군집 자체를 무작위 선택 → 군집 전체 조사 | 비용 절감(지역 집중) | 군집 내 유사성 → 정밀도 낮음(↑) |
| 다단계 추출(Multistage) | 시·도 → 시·군·구 → 가구 순으로 단계별 추출 | 대규모 전국 조사에 현실적 | 분산 계산 복잡(잭나이프 등, ) |
① 층화 비례 배분 — 모집단 10,000명(A 6,000 · B 3,000 · C 1,000), n = 500. A: 500 × 0.6 = 300, B: 500 × 0.3 = 150, C: 500 × 0.1 = 50. ② — 층 표준편차 A 10 · B 20 · C 40. Nₕσₕ: 60,000 · 60,000 · 40,000 (합 160,000) → A 187.5 ≈ 188, B 188, C 125(반올림 합 501 명 조정해 500) → 변동 큰 C층 비중이 커짐.
층화 추출 vs
| 방법 | 내용 | 위험 |
|---|---|---|
| 편의 추출(Convenience) | 접근하기 쉬운 대상(길거리·온라인 패널) | 선택 편향 큼 |
| 판단(유의) 추출(Judgment/Purposive) | 전문가가 대표적이라 판단한 대상 | 판단자 주관 |
| 할당 추출(Quota) | 성별·연령 비율을 모집단과 맞추되 할당 내에서는 편의 선택 | 할당 외 변수 편향 |
| 눈덩이 추출(Snowball) | 응답자가 다음 응답자를 소개 | 연결망 편향 — 희귀·숨은 집단 조사용 |
| 배분 | 방법 |
|---|---|
| 비례 배분 | 층 크기 비율대로 nₕ = n × Nₕ/N |
| 네이만(최적) 배분 | 층 크기 × 층 표준편차에 비례: nₕ ∝ Nₕσₕ — 변동이 큰 층에서 더 많이 |
| 균등 배분 | 층마다 같은 수(층별 비교가 목적일 때) |
공공 통계: 인구·가구·고용 조사의 층화 다단계 확률 추출. 여론조사: 지역·성별·연령 층화 + 가중치 보정, 무선 전화 가상번호 표본. 품질 관리: 로트에서 계통·무작위 추출로 샘플링 검사(합격 판정 샘플링).
답안은 표본추출의 정의, 칸, 비교 축을 한 장에 닫습니다.
기출 이력
- 제140회 4교시
기술사 답안 포인트
관련 용어
관련 토픽
확률통계
점추정/구간추정
추정(Estimation): 표본 자료로 모집단의 모수(평균 μ·비율 p·분산 σ²)를 추측하는 통계적 추론
확률통계
잭나이프(Jackknife) 기법
잭나이프(Jackknife): 표본에서 관측치를 하나씩 빼고(Leave-One-Out) 추정량을 n번 다시 계산해, 그 변동으로 추정량의 편향(Bias)과 표준오차(분산)를 추정하는 재표본추출(Resampling) 기법
확률통계
불편추정량(Unbiased Estimator)/편향(Bias)
추정량(Estimator): 표본으로 모수 θ를 추정하는 규칙(함수) θ̂ — 예: 표본평균 x̄, 표본분산 s²