← 返回统计与数据判断力
学习进度2 / 8

抽样偏差

Sampling bias · ST2 抽样与研究设计(Sampling and Study Design)

一句话定义

抽样偏差是样本的进入方式系统性地漏掉或放大了某类人,使样本朝固定方向偏离目标总体。

机制 / 原理

抽样偏差不是样本小造成的随机起伏,而是样本来源本身歪了。只在高端商场访问消费者,会低估价格敏感人群;只在学习 App 里问学习习惯,会高估自律程度。偏差的麻烦在于它不会靠多问同一类人自动消失,样本越大,错误反而可能越稳定。

随机误差 vs 抽样偏差随机误差上下波动抽样偏差方向性歪斜随机误差会散开,抽样偏差会朝同一方向偏。
随机误差会散开,抽样偏差会朝同一方向偏。

经典实验 / 例子

1936 年美国《文学文摘》用电话和汽车登记名单预测总统选举,样本规模巨大,却严重偏向较富裕选民,最后预测失败。这个案例常被用来说明:大样本如果来自偏抽样框,仍然会错得很有信心。

生活中的例子

一个健身房只调查办了年卡且仍在打卡的人,再声称“用户都很爱运动”,就漏掉了退卡、闲置和刚办卡就放弃的人。

常见误区

常见误区是认为样本量足够大就能冲淡偏差。如果进入样本的门本来就是歪的,更多样本只是更精确地重复同一种歪斜。

资料来源:OpenIntro Statistics; CMU OLI Statistical Reasoning; Online Statistics Education; OpenStax Introductory Statistics 2e,课程内容为原创改写 · 第 ST2
本讲解由 AI 依据该教材与主流学术观点撰写,非逐字引用,仅供学习参考。