分层抽样R语言

分层抽样是一种概率抽样技术，用于提高估计的精度并确保来自总体的不同子群体都得到代表。在R语言中，实现分层抽样通常涉及以下步骤：

原理

分层抽样的基本思想是将总体分为几个互斥的层，每层都是总体的一个子集。每个层内的单位应当是相对同质的，但层与层之间可以是异质的。在每个层内进行随机抽样后，再将所有层的样本合并成一个总样本。这种方法可以减少抽样误差，特别是当层内的单位比层间的单位更为同质时。

R语言代码实现

假设我们有一个数据框 data，其中包含一个分类变量 group，表示不同的层，以及其他一些变量。我们可以使用 dplyr 包来方便地实现分层抽样：

1. 加载必要的库：

   library(dplyr)
   

2. 创建数据框：

   set.seed(123)  # 为了可重现性
   data <- data.frame(
     id = 1:100,
     group = sample(c("A", "B", "C"), 100, replace = TRUE),
     value = rnorm(100)
   )
   

3. 进行分层抽样：
   使用 group_by() 来分组，然后使用 sample_n() 或 sample_frac()