样本统计量,问答：统计量和参数各自的含义及区别

统计学中把总体的指标统称为参数。而由样本算得的相应的总体指标称为统计量。参数一般是确定但未知的，统计量是变化但可知的。

统计量

统计量是统计理论中用来对数据进行分析、检验的变量。宏观量是大量微观量的统计平均值，具有统计平均的意义，对于单个微观粒子，宏观量是没有意义的．相对于微观量的统计平均性质的宏观量也叫统计量．需要指出的是，描写宏观世界的物理量例如速度、动能等实际上也可以说是宏观量，但宏观量并不都具有统计平均的性质，因而宏观量并不都是统计量。

参数

参数，也叫参变量，是一个变量。 我们在研究当前问题的时候，关心某几个变量的变化以及它们之间的相互关系，其中有一个或一些叫自变量，另一个或另一些叫因变量。如果我们引入一个或一些另外的变量来描述自变量与因变量的变化，引入的变量本来并不是当前问题必须研究的变量，我们把这样的变量叫做参变量或参数。
拓展资料：
参数是很多机械设置或维修上能用到的一个选项，字面上理解是可供参考的数据，但有时又不全是数据。对指定应用而言，它可以是赋予的常数值；在泛指时，它可以是一种变量，用来控制随其变化而变化的其他的量。简单说，参数是给我们参考的。
统计学中
描述总体特征的概括性数字度量，它是研究者想要了解的总体的某种特征值。总体未知的指标叫做参数。
数学中
参数思想贯彻于解析几何中。对于几何变量，人们用含有字母的代数式来表示变量，这个代数式叫作参数式，其中的字母叫做参数。用图形几何性质与代数关系来连立整式，进而解题。同时“参数法 ”也是许许多多解题技巧的源泉。
参数方程
在给定的平面直角坐标系中，如果曲线上任意一点的坐标x，y都是某个变数t的函数x=f(t)，y=φ(t)，⑴且对于t的每一个允许值，由方程组⑴所确定的点m(x，y）都在这条曲线上，那么方程组⑴称为这条曲线的参数方程，联系x、y之间关系的变数称为参变数，简称参数。
类似地，也有曲线的极坐标参数方程ρ=f(t),θ=g（t）；
圆的参数方程 x=a+r cosθ，y=b+r sinθ ； (a，b）为圆心坐标， r为圆半径， θ为参数；
椭圆的参数方程 x=a cosθ，y=b sinθ， a为长半轴长， b为短半轴长， θ为参数；
双曲线的参数方程 x=a secθ (正割)， y=b tanθ， a为实半轴长， b为虚半轴长， θ为参数；
抛物线的参数方程 x=2pt^2， y=2pt， p表示焦点到准线的距离 t为参数；

直线的参数方程 x=x'+tcosa， y=y'+tsina，x',y'和a表示直线经过（x'，y'），且倾斜角为a，t为参数。

例子：如果研究的对象是100人，这100人就是总体。从中抽取10人做研究，那就是样本。参数是反映总体统计特征的数字，如这100人的平均身高，方差等等。变量就是反应总体的某些特性的量，如身高。 总体（population）是包含所研究的全部个体（数据）的集合，它通常由所研究的一些个体组成，如由多个企业构成的集合，多个居民户构成的集合，多个人构成的集合，等等。 样本是从总体中抽取出来的，作为总体的代表，由部分单位组成的集合体。在抽样推断中，总体又称为母体，相应的，样本又称为子样。抽取样本应注意以下几个问题：1.样本的单位必须取自总体2.一个总体可以抽取多个样本3.确保样本的客观性与代表性。 参数，也叫参变量，是一个变量。统计量是统计理论中用来对数据进行分析、检验的变量。 在初等数学中，变量是表示数字的字母字符，具有任意性和未知性。把变量当作是显式数字一样，对其进行代数计算，可以在单个计算中解决很多问题。 扩展资料： 统计上的绝对量指标，按连续性分可分为离散变量与连续变量。按性质分可分为确定性变量和随机变量。 1．离散变量 离散变量亦可叫离散指标，是指仅能表现为整体取值的指标。可通过数数得到，最小单位的情况下只能是整数，只能被有限次分割。如职工人数、企业数。 2．连续变量 连续变量亦可叫连续指标，通过计算得到，最小单位的情况下可以是小数，能被无限次分割。如人的身高。 样本是从总体中抽取出来的，作为总体的代表，由部分单位组成的集合体。在抽样推断中，总体又称为母体，相应的，样本又称为子样。抽取样本应注意以下几个问题： 1.样本的单位必须取自总体 2.一个总体可以抽取多个样本 3.确保样本的客观性与代表性 参考资料：百度百科-总体 百度百科-统计量 百度百科-变量

总体分布：所有元素出现概率的分布.是简单意义上的随机变量对应的频次分布.总体分布往往是未知的,很多场合不可能获取得对所有个体元素的观察值.当然有些时候可以通过理论计算进行假定.
　　样本分布：选择的样本在随机变量上的对应的频次分布,样本分布实际上也在趋向总体分布.个人感觉样本分布和总体分布的本质是一样,区别就在于选取的数据不一样,一个是总体（N个）,一个是样本（n个）
　　抽样分布是对样本统计量概率分布的一种描述方式.这个和上面两个是截然不同的概念.虽然统计量也是随机变量,但是本身来说,是经过处理的变量.在使用时需要计算任意n个样本的统计量,然后将数据进行分布查看.由样本n个观察值计算的统计量的概率分布就是抽样分布.

总体是指考察的对象的全体， 个体是总体中的每一个考察的对象， 样本是总体中所抽取的一部分个体， 而样本容量则是指样本中个体的数目。样本分布是用来估计总体分布的。样本分布有区别于总体分布，它是从总体中按一定的分组标志选出来的部分样本容量。 抽样分布：从已知的总体中以一定的样本容量进行随机抽样，由样本的统计数所对应的概率分布称为抽样分布。抽样分布是统计推断的理论基础。

1、置信度就是用一种方法构造一百个区间如果有95个区间包含总体真值，就说置信度为95%（包含总体真值的区间占总区间的95%)。
2、E:样本均值的标准差乘以z值，即总的误差。P：目标总体占总体的比例。(比如：一个班级中男生占所有学生的30%。则p=30%)。
3、样本量从总体中抽取的样本元素的总个数。样本量的计算公式为：
N=Z
2
×(P
×(1-P))/E
2，其中，Z为置信区间、n为样本容量、d为抽样误差范围、σ为标准差，一般取0.5

扩展资料：
计算过程：
1、首先明确该统计模型的类型，加入把每个用户的感觉量化为分数的话，例如从0－100之间的某个数字，那么该统计结果即3000个数值应该近似服从于正态分布。
即，当结果受到若干个彼此影响力差不多的因素影响时，所得的大量结果服从正态分布。
2、如果你的调查不是上述那样简单，则基本思路是：先将结果量化为数值，再根据影响结果的因素的特征来分类，看它具体符合哪种分布类型。
3、接着介绍一下置信度：它是样本容量（即你这里的3000）和数值结果波动范围的函数。也就是说，你得到的结果会在某个特定数值附近波动，你希望知道的是波动范围到底有多大。
简单的说，置信度随着所取范围增大而减小，例如假设平均值为50分，那么45－55之间的可能性显然比35－65之间小，而出现在0－100之间的置信度则是100％，因为全部范围就这么大。
4、另外，样本容量一般有利于提高置信度，即人数越多所得结果越可靠，不过在达到一定界限之后对于提高置信度贡献就很小了，所以一般取一定容量就足够了。
参考资料：
搜狗百科-统计学

因为没有看到发放问卷的要求, 所以大概解答一下思路:
10000人的大样本下可以假设均值服从正态分布, 从而有下试:
x均值=μ±Z(α/2)×σ/n^(-1), 其中n为样本量.
所以假设要控制的误差大小为β, 则β<Z(α/2)×σ/n^(-1), 整理得到:
n>(Z(α/2)×σ/β)^2, 其中Z(α/2)为正态分布95%的分位数, α=0.05.

希望可以帮助你.