查看“︁总体”︁的源代码

{{NoteTA
|T = zh-cn:总体; zh-hk:總體; zh-tw:母體 (統計學);
|G1 = Math
}}
{{地区用词|cn=总体|hk=總體|tw=母體|start={{lang-en|statistical population}}|end=又稱為'''母集團'''或'''整體'''}}，是指[[統計學]]中是指由許多有某種共同性質的事物組成的[[集合 (數學)|集合]]<ref>{{cite book
 |author    = 李金昌、苏为华
 |title     = 统计学
 |publisher = DynoMedia Inc.
 |series    = 高等院校精品课程系列教材
 |year      = 2007
 |isbn      = 711120493X
 |pages     = p.12
 |url       = http://books.google.com.tw/books?id=uUw4myo9REAC&pg=PA12#v=onepage&q&f=false
}}{{dead link|date=2018年2月 |bot=InternetArchiveBot |fix-attempted=yes }}</ref>，會在此集合中選出[[样本]]進行[[統計推斷]]，選取樣本的方式可能會用亂數或是其他[[抽樣]]方式。

例如要針對所有烏鴉的共有特性進行研究，總體是目前存在、以前曾經存在或是未來可能存在的所有烏鴉，此情形下，因為時間的限制、地域可取得性的限制、以及研究者的有限資源等，不可能觀測總體中的每一個，因此研究者會從總體中產生[[样本]]，再由樣本的特性去了解總體的特性。

產生樣本的目的之一就是為了要知道總體的特性，包括
*總體均值，用'''<math>\mu</math>'''表示<ref>Underhill, L.G.; Bradfield d. (1998) ''Introstat'', Juta and Company Ltd. ISBN 0-7021-3838-X [http://books.google.com/books?id=f6TlVjrSAsgC&lpg=PP1&pg=PA181#v=onepage&q&f=false p. 181] {{Wayback|url=http://books.google.com/books?id=f6TlVjrSAsgC&lpg=PP1&pg=PA181#v=onepage&q&f=false |date=20200805225305 }}</ref>，若總體的數量是有限的，總體均值等於所有數值的[[算術平均數]]。
*[[標準差#母體的標準差|總體標準差]]，用'''<math>\sigma</math>'''表示，基本定義如下
:<math>\sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \mu)^2}</math>。

==子總體==
總體的[[子集]]稱為子總體<ref>{{cite book
 |author = 杜子芳
 |title = 抽样技术及其应用
 |publisher = 清华大学出版社有限公司
 |year = 2005
 |isbn = 7302110395
 |pages = p.220
 |url = http://books.google.com.tw/books?id=kYp_oBtbzXYC&pg=PT239
}}</ref>，若不同的子總體有不同的性質，則整個總體具有[[異質性]]，若將總體區分為不同的子總體，可以對整個總體的特質有較多的了解。例如某特定藥物可能對不同的子總體有不同的影響，若在取樣時沒有取到該子總體，可能就忽略了這樣的影響。

區分子總體也有助於更精確的估計參數，例如考慮男性和女性是不同的子總體，可以針對人類身高的分佈有更好的建模。

包括子總體的總體可以用[[混合模式]]建模，將各子總體的分佈結合成整個總體的分佈，不過即使子總體都可以用簡單的模型來表示，總體仍可能在用簡單模型來拟合時有很差的效果。例如有二個都是常態分佈的子總體，兩者的標準差相同，但平均值不同，所得的總體分布會是[[峰度]]較低的常態分佈，若兩者平均值的差距過大，甚至還會變成[[双峰分布]]，而其標準差也可能會比原來子總體的要大。例如有二個都是常態分佈的子總體，兩者的平均值相同，但標準差不同，會有峰度較高的常態分佈。

==相關條目==
*[[抽樣]]

==參考資料==
{{reflist}}

{{统计学}}
[[Category:統計理論]]