樣本、母體、大數據

這篇文章主要是釐清三個易混淆的觀念：樣本、母體與大數據。了解 統計學的人對於樣本與母體這兩種概念一定不陌生，母體是研究標的全體，而樣本則是母體的一小部分。如果樣本的特質可以代表母體特質，此時樣本就具有代表 性，有人稱之為「代表性樣本」。然而，當加上近年來流行的「大數據」概念以後，一切就開始變得複雜起來：究竟大數據可以代表母體嗎？抑或它只是樣本的另一 個別稱而已？

事實上，大數據又可稱為「巨量資料」，從它的名稱就可以推知當資料量多到某個程度的時候，就可以用「大數據」稱之。一般而言，當數據多到非一台電腦能夠單獨處理，而需數台電腦共同處理的資料量，就是大數據。

所以大數據跟母體及樣本之間其實並沒有什麼直接關係，母體與樣本是資料的特性，而大數據則專指資料量。當資料量多到一定程度的時候，樣本就可以適切地反映母體的特性，這也就是為什麼《大數據》這本書會說，在巨量資料當道的時代裡，樣本等於母體的原因。