Поправка на конечную совокупность¶

Поправка на конечную совокупность (также коррекция на конечную генеральную совокупность, англ. finite population correction, FPC) — это статистический коэффициент, применяемый при расчёте стандартной ошибки выборочных оценок (среднего, доли, коэффициента регрессии) в случаях, когда объём выборки составляет значительную долю от объёма конечной генеральной совокупности. Поправка уменьшает стандартную ошибку, отражая тот факт, что при выборке из конечной совокупности без возвращения (или при фиксированном конечном объёме) дисперсия оценки ниже, чем при выборке из бесконечной или очень большой совокупности.

¶Математическая формулировка

Поправка на конечную совокупность выражается множителем, который умножается на стандартную ошибку, рассчитанную в предположении бесконечной генеральной совокупности. Общий вид множителя:

\[ \text{FPC} = \sqrt{\frac{N - n}{N - 1}} \]

где:

• \( N \) — объём генеральной совокупности;
• \( n \) — объём выборки.

В некоторых источниках используется упрощённая форма:

\[ \text{FPC} = \sqrt{1 - \frac{n}{N}} \]

которая даёт близкие значения при больших \( N \) и малых \( n \). Точная формула с \( N-1 \) предпочтительнее, так как обеспечивает несмещённость оценки дисперсии при простом случайном отборе.

¶Применение к различным оценкам

• Стандартная ошибка среднего:

\[ SE_{\bar{x}} = \frac{s}{\sqrt{n}} \cdot \sqrt{\frac{N - n}{N - 1}} \] где \( s \) — выборочное стандартное отклонение.

• Стандартная ошибка доли:

\[ SE_{\hat{p}} = \sqrt{\frac{\hat{p}(1-\hat{p})}{n-1}} \cdot \sqrt{\frac{N - n}{N - 1}} \] (при использовании несмещённой оценки дисперсии).

• Стандартная ошибка оценки тотала (суммы):

Для оценки суммы признака по всей совокупности (\( \hat{T} = N \bar{x} \)) стандартная ошибка умножается на \( N \): \[ SE_{\hat{T}} = N \cdot \frac{s}{\sqrt{n}} \cdot \sqrt{\frac{N - n}{N - 1}} \]

¶Условия применения

Поправка на конечную совокупность применяется, когда выполняется хотя бы одно из следующих условий:

• Выборка без возвращения: если элементы отбираются из конечной совокупности и не возвращаются обратно, вероятность включения каждого элемента меняется, а дисперсия оценки уменьшается.
• Доля выборки велика: обычно считается, что поправка существенна, если \( n/N > 0.05 \) (то есть выборка составляет более 5 % генеральной совокупности). При меньших долях поправка близка к 1 и ею часто пренебрегают.
• Конечная генеральная совокупность: если совокупность бесконечна (например, все возможные результаты повторяющегося процесса) или очень велика (например, население целой страны), поправка не применяется.

¶Пример расчёта

Пусть имеется генеральная совокупность из \( N = 1000 \) единиц. Из неё отобрана случайная выборка объёмом \( n = 200 \) единиц. Выборочное стандартное отклонение \( s = 15 \). Стандартная ошибка среднего без поправки:

\[ SE_{\text{без}} = \frac{15}{\sqrt{200}} \approx 1.0607 \]

Поправочный множитель:

\[ \sqrt{\frac{1000 - 200}{1000 - 1}} = \sqrt{\frac{800}{999}} \approx \sqrt{0.8008} \approx 0.8949 \]

Стандартная ошибка с поправкой:

\[ SE_{\text{с}} = 1.0607 \times 0.8949 \approx 0.9492 \]

Таким образом, поправка уменьшила стандартную ошибку примерно на 10,5 %, что отражает более высокую точность оценки при выборке из конечной совокупности.

¶Теоретическое обоснование

Поправка на конечную совокупность возникает из-за того, что при отборе без возвращения дисперсия выборочного среднего для простого случайного отбора равна:

\[ D(\bar{x}) = \frac{\sigma^2}{n} \cdot \frac{N - n}{N - 1} \]

где \( \sigma^2 \) — дисперсия генеральной совокупности. Если бы отбор производился с возвращением (или совокупность была бесконечной), дисперсия была бы \( \sigma^2 / n \). Множитель \( (N-n)/(N-1) \) всегда меньше 1 при \( n > 1 \), что и приводит к уменьшению дисперсии.

При \( n = N \) (сплошное обследование) множитель равен 0, что логично: стандартная ошибка отсутствует, так как оценка равна истинному значению. При \( n = 1 \) множитель равен 1, так как с одним наблюдением дисперсия не уменьшается.

¶Применение в различных областях

¶Социологические и маркетинговые опросы

При опросах населения в небольших городах или организациях, где численность генеральной совокупности известна и невелика (например, опрос всех сотрудников предприятия), поправка обязательна для корректного расчёта доверительных интервалов.

¶Экология и биология

При оценке численности популяций животных или растений на ограниченной территории (например, количество особей на острове) поправка используется для оценки точности выборочных методов.

¶Контроль качества

В промышленности при выборочном контроле партий продукции (например, из 1000 изделий проверяют 100) поправка применяется для расчёта допустимых уровней дефектности.

¶Экономика и финансы

При аудите финансовой отчётности, когда проверяется выборка из конечного числа счетов или транзакций, поправка позволяет точнее оценить ошибку в генеральной совокупности.

¶Ограничения и критика

• Неприменимость к бесконечным совокупностям: поправка не имеет смысла для теоретических распределений или процессов, где \( N \) не определено.
• Зависимость от дизайна выборки: формула справедлива только для простого случайного отбора. Для стратифицированных, кластерных или многоступенчатых выборок требуются более сложные поправочные коэффициенты, учитывающие структуру отбора.
• Игнорирование при малых долях: многие исследователи пренебрегают поправкой при \( n/N < 0.05 \), что может приводить к незначительному завышению стандартных ошибок, но обычно считается допустимым.
• Смещение при оценке дисперсии: в некоторых случаях (например, при использовании выборочной дисперсии с делителем \( n-1 \)) формула с \( N-1 \) обеспечивает несмещённость, но при малых \( N \) и \( n \) возможны небольшие смещения.

¶Альтернативные подходы

В некоторых статистических пакетах и учебниках используется поправка в виде \( \sqrt{1 - n/N} \) (без \( N-1 \)), что даёт практически идентичные результаты при больших \( N \). Для стратифицированных выборок применяется взвешенная поправка, учитывающая доли каждой страты. В байесовской статистике поправка на конечную совокупность может быть включена через априорные распределения.

¶Источники

• Cochran, W. G. (1977). Sampling Techniques (3rd ed.). John Wiley & Sons.
• Lohr, S. L. (2010). Sampling: Design and Analysis (2nd ed.). Brooks/Cole.
• Kish, L. (1965). Survey Sampling. John Wiley & Sons.
• Thompson, S. K. (2012). Sampling (3rd ed.). John Wiley & Sons.
• Гласс, Дж., Стэнли, Дж. (1976). Статистические методы в педагогике и психологии. Прогресс.