Czy ma sens obliczanie przedziałów ufności i testowanie hipotez, gdy dostępne są dane z całej populacji?

Czy ma sens obliczanie przedziałów ufności i testowanie hipotez, gdy dostępne są dane z całej populacji? Moim zdaniem odpowiedź brzmi „nie”, ponieważ możemy dokładnie obliczyć prawdziwe wartości parametrów. Ale jaka jest maksymalna proporcja danych z pierwotnej populacji, która pozwala nam korzystać z wyżej wymienionych technik?

hypothesis-testing confidence-interval sample-size large-data population Miroslav Sabo
źródło

Jeśli użyjesz prawidłowych metod próby skończonej, wariancja osiągnie zero, gdy próbka osiągnie wielkość populacji. Oznacza to, że nie ma maksymalnego rozmiaru; właściwe preparaty działają zgodnie z oczekiwaniami, aż do .

n = N

$n=N$

Glen_b

Myślę, że powinieneś podać to jaśniej, jeśli pytanie dotyczy przypadku „próbka = populacja” lub „próbka ze skończonej populacji”.

ttnphns

Pierwsza część pytania dotyczy próby = populacji, a druga próby z populacji (gdy wielkość próby <wielkość populacji).

Miroslav Sabo

Powiązane pytania: Testować istotność z danymi reprezentującymi całą populację? i zasoby, kiedy dostępne są dane o populacji

Silverfish

Odpowiedzi:

Pierwsze pytanie to takie, które zasadniczo nie uzgodniło odpowiedzi. Mój pogląd jest podobny do twojego, ale inni argumentowali, że populację można postrzegać jako próbkę z „super-populacji”, gdzie dokładna natura super-populacji różni się w zależności od kontekstu: np. Spis wszystkich ludzi mieszkających w budynek może być postrzegany jako próbka od wszystkich ludzi mieszkających w podobnych budynkach; spis ludności USA (nie żeby nigdy nie był naprawdę kompletny) może być postrzegany jako próbka pochodząca z super-populacji Amerykanów, która pewnego dnia może istnieć (lub coś w tym rodzaju). Myślę, że często jest to wymówka, aby użyć wartości p; wielu naukowców z dziedzin merytorycznych nie czuje się dobrze, jeśli nie mają wartości p. (Ale to mój pogląd).

Na drugie pytanie wydaje się nieco dziwna odpowiedź w sposób ogólny. Kiedy otrzymujesz próbkę, która (powiedzmy), stanowi więcej niż połowę populacji?

Większym problemem będzie stronniczość. Wracając do spisu powszechnego w USA, problemem nie jest po prostu to, że tęskni za ludźmi, ale że ludzie, za którymi tęskni, nie są losową próbą całej populacji; więc nawet jeśli spis otrzyma odpowiedzi od (aby wybrać liczbę) 95% wszystkich ludzi, jeśli te 5% pozostałych jest zupełnie innych, wyniki będą tendencyjne.

Peter Flom
źródło

Myślę, że to, czy obliczasz przedziały ufności dla statystyki populacji, zależy od tego, czy chcesz wyciągać wnioski na temat rzeczywistej populacji, czy hipotetycznej „super populacji”. W poprzedniej pracy w stanowym wydziale zdrowia zgłaszaliśmy roczne statystyki, takie jak bardzo niski odsetek urodzeń i wskaźniki samobójstw, które odbijały się z roku na rok. Tak, informowaliśmy o całej populacji, ale głupotą byłoby polegać na postępie stanu zdrowia (i finansowaniu!) Państwa przy każdym wzroście lub spadku tych i innych wskaźników zdrowotnych jako całkowitej zmianie stanu zdrowia populacji.

RobertF

Załóżmy, że tylko 2 na 12 członków komitetu to kobiety.

$\frac{1}{6}$

Lub można to uznać za oszacowanie prawdopodobieństwa, że kobieta zostanie wybrana do komitetu - właściwość procesu selekcji. Możesz umieścić wokół niego przedziały ufności, przetestować, czy różni się znacznie od połowy (lub innej istotnej hipotezy zerowej) i tak dalej. Być może proces musi zostać zmieniony, aby był sprawiedliwy.

Oba poglądy, opisowy i wnioskowy, nie są ze sobą sprzeczne, ale dość odmienne.

Odpowiedź na drugie pytanie jest taka, że sensowne jest obliczanie przedziałów ufności dla i testowania hipotez dotyczących parametru populacji, nawet jeśli tylko jedna osoba nie jest próbkowana. Należy tylko pamiętać, że CI i testy muszą uwzględniać znaczną część populacji, z której pobiera się próbki: patrz skończona korekta populacji .

Scortchi - Przywróć Monikę
źródło