如何利用子群体统计量估算未知总体规模N？

首先得给你点个赞，你的直觉完全在点子上！我们可以把问题拆成两步：先估算每个子群体的大小n = N/k，再乘以子群数量k就能得到总体规模N。下面我给你拆解两种贴合你直觉的估算方法，还有具体的计算步骤：

方法一：利用子群均值的离散程度估算 #

你提到“子群均值越集中，N越大”，这个可以用统计学里的均值标准误来量化：

• 理论上，每个子群的均值$\bar{X}_i$的方差等于总体方差$\sigma^2$除以子群大小n，也就是$\text{Var}(\bar{X}_i) = \sigma^2 / n$。

• 我们可以用两个统计量来替换未知的理论值：

  1. 子群均值的样本方差：计算这k个子群均值的离散程度，公式是：
     $S_{\bar{X}}^2 = \frac{1}{k-1}\sum_{i=1}^k (\bar{X}_i - \bar{\bar{X}})^2$
     这里$\bar{\bar{X}}$是所有子群均值的平均值，这个值就是$\text{Var}(\bar{X}_i)$的无偏估计。
  2. 合并总体方差估计：用所有子群的标准差来估计总体方差$\sigma^{2$，因为每个子群的样本方差$s_i}2$都是$\sigma^2$的无偏估计，所以直接取平均就行：
     $S_p^2 = \frac{1}{k}\sum_{i=1}^k s_i^2$

• 把这两个值代入理论公式，就能解出子群大小的估计值：
  $\hat{n} = \frac{S_p^{2}{S_{\bar{X}}}2}$
  最后总体规模就是$\hat{N} = k \times \hat{n}$

完全符合你的直觉：如果子群均值越集中，$S_{\bar{X}}^2$就越小，算出来的$\hat{n}$就越大，对应的N自然也就越大。

方法二：利用子群标准差的离散程度估算 #

你说的“子群标准差越接近，N越大”也能转化成量化方法：

• 对于正态分布的样本，子群样本方差$s_i^{2$的方差是$\frac{2\sigma}4}{n-1}$，也就是说，子群大小n越大，各个子群的方差$s_i^2$就越接近（方差越小）。

• 同样用两个统计量替换理论值：

  1. 子群方差的样本方差：计算k个子群方差的离散程度：
     $S_{s^2}2 = \frac{1}{k-1}\sum_{i=1}^k (s_i^2 - S_p²⁾2$
     这里$S_p^2$还是刚才的合并方差。
  2. 用$(S_p²⁾2$来估计$\sigma^4$

• 代入理论公式解出子群大小：
  $\hat{n} = 1 + \frac{2(S_p²⁾2}{S_{s^2}2}$
  总体规模依旧是$\hat{N} = k \times \hat{n}$

这个方法也贴合你的直觉：子群标准差越接近，$S_{s^2}2$就越小，算出来的$\hat{n}$就越大，N也就越大。

实践建议 #

• 如果k比较大（比如k≥5），两种方法的结果都会比较可靠，你可以取两者的平均值作为最终估计；
• 如果k很小，方法一的稳定性可能更好，因为子群均值的样本方差自由度（k-1）会比子群方差的样本方差自由度更高；
• 注意：这两种方法都假设子群是独立随机划分的，而且总体确实服从正态分布，如果你的数据不符合这两个前提，估计结果可能会有偏差。

备注：内容来源于stack exchange，提问作者Golden Rockefeller