机器学习小组知识点28:简单随机采样(Simple Random Sampling)
来源:互联网 发布:sqlalchemy执行的sql 编辑:程序博客网 时间:2024/05/16 11:28
什么是简单随机抽样?
简单随机抽样也称为单纯随机抽样、纯随机抽样、SRS抽样 ,是指从总体N个单位中任意抽取n个单位作为样本,使每个可能的样本被抽中的概率相等的一种抽样方式。
简单随机抽样是其它抽样方法的基础,因为它在理论上最容易处理,而且当总体单位数N不太大时,实施起来并不困难。但在实际中,若N相当大时,简单随机抽样就不是很容易办到的。首先它要求有一个包含全部N个单位的抽样框;其次用这种抽样得到的样本单位较为分散,调查不容易实施。因此,在实际中直接采用简单随机抽样的并不多。
简单随机抽样的特点
简单随机抽样的特点是:每个样本单位被抽中的概率相等,样本的每个单位完全独立,彼此间无一定的关联性和排斥性。
简单随机抽样的抽样方法
简单随机抽样最基本的抽样方法。分为重复抽样和不重复抽样。在重复抽样中,每次抽中的单位仍放回总体,样本中的单位可能不止一次被抽中。不重复抽样中,抽中的单位不再放回总体,样本中的单位只能抽中一次。社会调查采用不重复抽样。
简单随机抽样的具体作法有:
①抽签法。将总体的全部单位逐一作签,搅拌均匀后进行抽取。
②随机数字表法。将总体所有单位编号,然后从随机数字表中一个随机起点(任一排或一列),开始从左向右或从右向左、向上或向下抽取,直到达到所需的样本容量为止。
注意
简单随机抽样的必须有一个完整的抽样框,即总体各单位的清单。总体太大时,制作这样的抽样框工作量巨大,加之有许多情况,使总体名单根本无法得到。故在大规模社会调查中很少采用纯随机抽样。
更多的数学理论学习请点击此链接,我会在讨论班上根据时间适当的讲述。
0 0
- 机器学习小组知识点28:简单随机采样(Simple Random Sampling)
- 机器学习小组知识点31:重要性采样(Importance Sampling )
- 机器学习小组知识点29:离线等可能K采样(Offline Sampling)
- 机器学习小组知识点30:接受-拒绝采样(Acceptance-Rejection Sampling)
- (转载)机器学习知识点(十三)吉布斯采样法(Gibbs Sampling)
- 机器学习小组知识点32:马尔科夫蒙特卡罗采样算法1:(Metropolis-Hasting )
- 机器学习小组知识点33:马尔科夫蒙特卡罗采样算法2:(Gibbs )
- 机器学习方法(八):随机采样方法整理(MCMC、Gibbs Sampling等)
- 机器学习方法(八):随机采样方法整理(MCMC、Gibbs Sampling等)
- 机器学习:随机森林(Random Forest)
- 机器学习小组知识点5:随机梯度下降(SGD)以及与批量梯度下降(BGD)的比较
- Java机器学习库ML之三Sampling(采样)
- 机器学习小组知识点7:伯努利分布(Bernouli Distribution)
- 机器学习小组知识点8:二项式分布(Binomial distribution)
- 机器学习小组知识点10:多项式分布(Mutibinomial distribution)
- 机器学习小组知识点11:几何分布(Geometric Distribution )
- 机器学习小组知识点14:均匀分布(Uniform Distribution)
- 机器学习小组知识点16:指数分布(Exponential Distribution)
- FL Studio中关于音符编辑的使用
- 3 tomcat服务器学习与使用(二)
- hdu 1024
- 1 C调用Python环境搭建
- javaIO-字符流-写操作 FileWriter
- 机器学习小组知识点28:简单随机采样(Simple Random Sampling)
- 第十六周项目2-大数据集上排序算法性能的体验
- 保存一些图片
- Linux git 常用命令
- 第16周项目9—归并排序算法的改进
- iOS8相对于iOS9的一些bug
- 产品用户体验的五个层次
- EXCEL非规整数据无法通过拖动而自动填充公式的脚本方法
- Spring mvc中@RequestMapping 6个基本用法小结