Rozwijając odpowiedź @Scortchi. . .
Załóżmy, że populacja liczyła 5 członków, a masz budżet na próbkowanie 5 osób. Interesuje Cię średnia populacji zmiennej X, charakterystyczna dla osób w tej populacji. Możesz to zrobić po swojemu i losowo próbować z wymianą. Wariancja średniej próbki będzie wynosić V (X) / 5.
Z drugiej strony załóżmy, że próbkujesz pięć osobników bez zamiany. Wówczas wariancja średniej próby wynosi 0. Pobrano próbkę z całej populacji, każda osoba dokładnie raz, więc nie ma różnicy między „średnią próby” a „średnią populacji”. To są te same rzeczy.
W prawdziwym świecie powinieneś skakać z radości za każdym razem, gdy musisz wykonać skończoną korektę populacji, ponieważ (bęben ...) powoduje to obniżenie wariancji twojego estymatora bez konieczności zbierania większej ilości danych. Prawie nic tego nie robi. To jak magia: dobra magia.
Mówiąc dokładnie to samo w matematyce (zwróć uwagę na <i , że wielkość próbki jest większa niż 1):
finite sample correction=N−nN−1<N−1N−1=1
Korekta <1 oznacza, że zastosowanie korekcji powoduje, że wariancja spada W DÓŁ, ponieważ stosuje się korektę, mnożąc ją względem wariancji. Wariancja W DÓŁ == dobra.
Idąc w przeciwnym kierunku, całkowicie z dala od matematyki, pomyśl o tym, o co pytasz. Jeśli chcesz dowiedzieć się o populacji i możesz pobrać z niej 5 osób, to wydaje się prawdopodobne, że dowiesz się więcej, próbując 5 razy pobrać próbkę z tym samym facetem, czy też wydaje się bardziej prawdopodobne, że dowiesz się więcej, zapewniając że próbujesz 5 różnych facetów?
Przypadek świata rzeczywistego jest prawie przeciwieństwem tego, co mówisz. Prawie nigdy nie próbujesz z zamianą - tylko wtedy, gdy robisz specjalne rzeczy, takie jak ładowanie. W takim przypadku próbujesz zepsuć estymator i nadać mu „zbyt dużą” wariancję.