一、单纯随机抽样(simple random sampling)
将调查整体所有观察单位编号,再用抽签法或随机数字表随机抽取部分观察单位组成样本。
长处:操作简单,均数、率及对应的标准误计算简单。
缺点:整体较大时,难以一一编号。
二、系统抽样(systematic sampling
)
又称机械抽样、等距抽样,即先将整体的观察单位按某一顺序号分成n个部分,再从第一部分随机抽取第k号观察单位。依次用相等间距,从每一部分各抽取一个观察单位组成样本。
长处:易于理解、简便易行。
缺点:整体有周期或增减趋势时,易产生偏性。
三、整群抽样(cluster sampling)
整体分群。再随机抽取几个群组成样本,群内所有调查。
长处:便于组织、节省经费。
缺点:抽样误差大于单纯随机抽样。
四、分层抽样(stratified sampling)
先按对观察指标影响较大的某种特征。将整体分为若干个类别,再从每一层内随机抽取一定数量的观察单位,合起来组成样本。有按比例分配和最优分配两种方案。
长处:样本代表性好。抽样误差降低。
以上四种基本抽样方法都属单阶段抽样。实际应用中常依据实际情况将整个抽样过程分为若干阶段来进行。称为多阶段抽样。
各种抽样方法的抽样误差通常是:整群抽样≥单纯随机抽样≥系统抽样≥分层抽样
2.代码实现
无放回抽样:随机抽样(RandomSampling)和系统抽样(SystematicSampling)。
有放回抽样:随机抽样(RepetitionRandomSampling)。
'''
Sampling archive
@author: Garvin Li
'''
import random
def loadDataSet(fileName): #general function to parse tab -delimited floats
dataMat = [] #assume last column is target value
fr = open(fileName)
for line in fr.readlines():
curLine = line.strip().split('\t')
# fltLine = map(float,curLine) #map all elements to float()
dataMat.append(curLine)
return dataMat
def RandomSampling(dataMat,number):
try:
slice = random.sample(dataMat, number)
return slice
except:
print 'sample larger than population'
def RepetitionRandomSampling(dataMat,number):
sample=[]
for i in range(number):
sample.append(dataMat[random.randint(0,len(dataMat)-1)])
return sample
def SystematicSampling(dataMat,number):
length=len(dataMat)
k=length/number
sample=[]
i=0
if k>0 :
while len(sample)!=number:
sample.append(dataMat[0+i*k])
i+=1
return sample
else :
return RandomSampling(dataMat,number)
if __name__=='__main__':
dataMat=loadDataSet('/Users/hakuri/Desktop/data1.txt')
# print RandomSampling(dataMat,7)
# RepetitionSampling(dataMat,4)
print SystematicSampling(dataMat,9)
測试结果就不单独上图了,測试集和代码都提供下载。有兴趣能够去看一下。
过一段把高级聚类算法写好,实现一下分层抽样。
下载地址:点击我
/********************************
* 本文来自博客 “李博Garvin“
******************************************/