R语言基本统计分析——抽样

R语言基本统计分析——抽样

简单随机抽样

简单随机抽样是指从数据总体中任意抽取指定数量的数据作为样本，其中每个可能被抽取中的样本概率相等。可以用R语言中的sample()函数进行随机抽样。抽取方法分为：重置抽样，不重置抽样。

R语言命令为：
sample(x, size, replace = FALSE, prob = NULL)

其中，x为样本数据，size为抽取个数，replace为是否开启重置抽样，prob数据被抽中的权重值。如，从x=c(1,2,3)中抽取2个样本，若想被抽中的概率为40%，30%，30%，则应该设置为size=2,prod=c(4,3,3)

从1~100赋以不同的权重的数据中的抽取3个数据，抽样结果为：

分层抽样

分层抽样将分成不同子总体（或称为层）的总体中，按规定的比例从不同层中随机抽取样品（个体）的方法。这种方法的优点是，样本的代表性比较好，抽样误差比较小。缺点是抽样手续较简单随机抽样还要繁杂些。

R语言sampling包的sampling::strata()可以实现，其命令为：
strata(data, stratanames=NULL, size, method=c(“srswor”,“srswr”,“poisson”,
“systematic”), pik,description=FALSE)

其中，x为样本数据， stratanames为分层抽样要使用的变量，size为各层抽取个数，method指的是抽样方法，“srswor”、“srswr”、“poisson”、"systematic"分别指不重置简单抽样、重置简单抽样、泊松抽样、系统抽样，pik指的是各数据包含在样本中的概率，description默认为FALSE,若设置为TRUE则输出样本个数和总体个数。
返回值ID_unit(被选单元的标志符)、Stratum(单元层)、Prob(包含单元的概率)

从iris数据集的三个品质分别抽取2，3，4个样本的抽样结果：

系统抽样

先将总体的全部单元按照一定顺序排列，采用简单随机抽样抽取第一个样本单元(或称为随机起点)，再顺序抽取其余的样本单元，这类抽样方法被称为等距抽样(Systematic Sampling)。等距抽样又称为机械抽样、系统抽样。等距抽样往往不能给出估计量的估计方差。

R语言sampling包的sampling::strata()可以实现，其命令为：
sampleBy(formula, frac = 0.1, replace = FALSE, data = parent.frame(),
systematic = FALSE)

其中formula为数据分组公式的定义， frac为抽取比例，replace为是否开启重置抽样，data为数据框，systematic取TRUE时启用系统抽样