Mở rộng về câu trả lời của @Scortchi. . .
Giả sử dân số có 5 thành viên và bạn có ngân sách để lấy mẫu 5 cá nhân. Bạn quan tâm đến ý nghĩa dân số của một biến X, một đặc điểm của các cá nhân trong dân số này. Bạn có thể làm theo cách của bạn, và lấy mẫu ngẫu nhiên với sự thay thế. Phương sai của giá trị trung bình mẫu sẽ là V (X) / 5.
Mặt khác, giả sử bạn lấy mẫu năm cá nhân mà không cần thay thế. Sau đó, phương sai của trung bình mẫu là 0. Bạn đã lấy mẫu toàn bộ dân số, mỗi cá nhân chính xác một lần, do đó không có sự phân biệt giữa "trung bình mẫu" và "trung bình dân số". Họ là những điều tương tự.
Trong thế giới thực, bạn nên nhảy lên vì niềm vui mỗi khi bạn phải thực hiện chỉnh sửa dân số hữu hạn bởi vì (trống ..) Nó làm cho phương sai của công cụ ước tính của bạn đi xuống mà bạn không phải thu thập thêm dữ liệu. Hầu như không có gì làm điều này. Nó giống như ma thuật: ma thuật tốt.
Nói chính xác điều tương tự trong toán học (chú ý đến <và giả sử cỡ mẫu lớn hơn 1):
hiệu chỉnh mẫu hữu hạn = N- nN- 1< N- 1N- 1= 1
Hiệu chỉnh <1 có nghĩa là áp dụng hiệu chỉnh làm cho phương sai đi xuống, vì bạn áp dụng hiệu chỉnh bằng cách nhân nó với phương sai. Phương sai XUỐNG == tốt.
Di chuyển theo hướng ngược lại, hoàn toàn tránh xa toán học, suy nghĩ về những gì bạn đang yêu cầu. Nếu bạn muốn tìm hiểu về dân số và bạn có thể lấy mẫu 5 người từ đó, có vẻ như bạn sẽ học được nhiều hơn bằng cách lấy mẫu của cùng một người 5 lần hoặc có vẻ như bạn sẽ học được nhiều hơn bằng cách đảm bảo Bạn lấy mẫu 5 người khác nhau?
Trường hợp thực tế gần như ngược lại với những gì bạn đang nói. Hầu như không bao giờ bạn lấy mẫu với sự thay thế --- chỉ khi bạn đang làm những việc đặc biệt như bootstrapping. Trong trường hợp đó, bạn thực sự đang cố gắng làm hỏng công cụ ước tính và đưa ra phương sai "quá lớn".