Расширяя ответ @Scortchi. , ,
Предположим, у населения было 5 человек, и у вас есть бюджет для выборки из 5 человек. Вас интересует среднее значение переменной X, характерное для отдельных лиц в этой группе. Вы можете сделать это по-своему, и случайным образом выбрать образец с заменой. Дисперсия среднего значения по выборке будет V (X) / 5.
С другой стороны, предположим, что вы выбрали пять человек без замены. Тогда дисперсия среднего значения выборки равна 0. Вы отобрали целую популяцию, каждую особь ровно один раз, поэтому нет различий между «средним по выборке» и «средним по популяции». Это одно и то же.
В реальном мире вы должны прыгать от радости каждый раз, когда вам нужно внести поправку в конечную популяцию, потому что (барабанная дробь ...) делает отклонение вашей оценки снижаться без необходимости собирать больше данных. Почти ничего не делает это. Это как магия: хорошая магия.
То же самое в математике (обратите внимание на <и предположите, что размер выборки больше 1):
finite sample correction=N−nN−1<N−1N−1=1
Коррекция <1 означает, что применение коррекции приводит к отклонению вниз, потому что вы применяете коррекцию, умножая ее на дисперсию. Дисперсия ВНИЗ == хорошо.
Двигаясь в противоположном направлении, полностью от математики, подумайте о том, что вы спрашиваете. Если вы хотите узнать о населении и можете выбрать из него 5 человек, представляется ли вероятным, что вы узнаете больше, попробовав 5 раз выбрать одного и того же парня, или более вероятно, что вы узнаете больше, обеспечив что вы пробуете 5 разных парней?
Дело в реальном мире почти противоположно тому, что вы говорите. Почти никогда не пробуете с заменой - это только когда вы делаете специальные вещи, такие как начальная загрузка. В этом случае вы фактически пытаетесь испортить оценку и дать ей «слишком большую» дисперсию.