本人关于重抽样的文章也陆陆续续写了6-7篇，各种类型的都写了一点，本篇文章不在计划内，本来不打算写了。 但是有些粉丝私信我，觉得使用sample函数重抽样不怎么正规，感觉不是真正的重抽样，要使用boot包才正规，看起来有面子。其实sample函数是R里面最基本的抽样函数，我们很多重要的R包如rms包、proc包都是使用它来重抽样的，sample函数抽样非常简单，而且灵活，等会进行演示。还有些朋友把
转载
2023-10-25 21:45:19
74阅读
对于n个样本，如何均匀随机的取出m个样本？即n个样本中每个样本都能有m/n的概率被取中。1.简单插入取样 这是最基本，最直观的方法。在一个初始为空的集合中插入1~n的随机整数，知道个数为m个为止。但这个方法有个弱点，就是要插入一个数时，判断集合中是否存在该数，如果其存在，则要继续取样直到取到一个不在原集合中的数，重复取样需要很大的开销，而且越到后来开销越大。2.Floyd取
转载
2024-01-12 15:06:37
60阅读
# R语言中的非概率抽样：探索与应用
在统计学中，抽样是研究群体特征的常用方法。根据抽样方式的不同，抽样方法可以分为概率抽样和非概率抽样。其中，非概率抽样因其方法简单、成本低而被广泛应用于许多实际场景。本文将介绍非概率抽样的基本概念及其在R语言中的实现，并结合代码示例和图形化可视化。
## 非概率抽样简介
非概率抽样是指在抽样过程中个体被选中的机会不相等，研究者根据主观判断或特定标准选择样本
原创
2024-09-04 04:45:02
50阅读
抽样一般分为概率抽样和非概率抽样两大类，本文主要讨论概率抽样。所谓概率抽样，是指按照一定的概率从构成总体的所有单元中随机选择一部分单元进入样本的抽样方法。下面主要介绍简单随机抽样 、分层抽样 、整群抽样 、系统抽样 以及多级抽样这五种概率抽样方法。简单随机抽样 简单随机抽样(simple random sampling ，SRS)是最简单的概率
转载
2023-10-23 09:29:00
119阅读
一、基本了解（一）从等概率抽样说起1、等概率抽样的特点总体中每个单元地位都相等，在抽样时对每个单元更是采取不偏不倚的态度。每个总体单元都以相同概率入样。2、不等概抽样优于等概抽样的举例等概率抽样方法容易设计和解释，但并非总是可行的，有时候，不等概率更有效率，尤其是抽样单元规模差异很大时。比如，①对船舶运输量进行调查，作为抽样单元的船舶，有的是从事远洋运输的万吨巨轮，更多的是从事内河河网运输的百吨或
转载
2024-01-22 20:09:28
181阅读
前言 在Matlab、R或者S-PLUS等软件中做随机数模拟时，经过会遇到set.seed()这个函数。随机数的产生需要有一个随机的种子，因为用计算机产生的随机数是通过递推的方法得来的，必须有一个初始值。用同一台电脑，且在初始值和递推方法相同的情况下，可以产生相同的随机序列。 用计算机产生的是“伪随机数”。用投色子计数的方法产生真正的随机数 , 但电脑若也这样做 , 将会占用大量内存；用噪声发
转载
2023-07-03 17:36:45
703阅读
# PPS抽样下的入样概率及其在R语言中的应用
## 引言
在统计学中，抽样是一项核心技术，用于从总体中获取代表性样本，以推断总体特征。PPS抽样（即概率比例抽样）是一种常用的抽样方法，特别适用于不同单元的大小或其他特征不均匀的情况。本篇文章将详细介绍PPS抽样的入样概率，并通过R语言提供代码示例，使读者更好地理解这一方法。
## PPS抽样简介
PPS抽样的基本思想是根据每个单位的特征权
概率抽样 简单随机抽样 从总体N中一个一个地抽取n个单位作为样本，每个单位的入样概率相等 分层抽样 将总体按照某种特征划分为不同层次，每个层次分别进行随机抽样 整群抽样 抽样单位为一个群组，抽样时，直接抽取群，群组内的所有单位都归为样本 系统抽样 将总体中的所有单位按照一定顺序排序，再按照一定的规则 ...
转载
2021-11-01 08:06:00
614阅读
2评论
# PPS抽样下的入样概率：R语言实现
在统计学中，PPS（Probability Proportional to Size）抽样是一种根据单位大小进行概率抽样的方法。该方法是在样本抽取时依据每个单位的大小，确保较大单位的抽取概率更高。本文将指导你使用R语言实现PPS抽样下的入样概率，并详细界定整个过程。
## 整体流程
在开始代码实现之前，我们首先来理清整个流程。这可以分为几个主要步骤，下
今天介绍一些运算函数，它们的使用很简单，没有什么难度，但是也会用的着。在医学统计学或者流行病学里的现场调查、样本选择经常会提到一个词：随机抽样。随机抽样是为了保证各比较组之间均衡性的一个很重要的方法。那么今天介绍的第一个函数就是用于抽样的函数sample：> x=1:10
> sample(x=x)
[1] 3 5 9 6 10 7 2 1 8
转载
2023-07-14 21:55:47
145阅读
# Python无放回等概率抽样实现指南
作为一名经验丰富的开发者，我将向您介绍如何在Python中实现无放回等概率抽样。无放回抽样意味着一旦一个元素被选中，它将不会被再次选中。等概率抽样则意味着每个元素被选中的概率是相同的。
## 抽样流程
首先，让我们通过一个流程图来了解整个抽样过程：
```mermaid
flowchart TD
A[开始] --> B[准备数据集]
原创
2024-07-24 08:14:11
102阅读
1、易混淆操作本节对一些 Python 易混淆的操作进行对比。1.1 有放回随机采样和无放回随机采样import random
random.choices(seq, k=1) # 长度为k的list，有放回采样
random.sample(seq, k) # 长度为k的list，无放回采样1.2 lambda 函数的参数func = lambda y: x + y #
转载
2023-10-07 17:44:45
205阅读
在医学统计学或者流行病学里的现场调查、样本选择经常会提到一个词：随机抽样。随机抽样是为了保证各比较组之间均衡性的一个很重要的方法。那么今天介绍的第一个函数就是用于抽样的函数sample：> x=1:10
> sample(x=x)
[1] 3 5 9 6 10 7 2 1 8 4第一行代码表示给x向量赋值1~10，第二行代码表示对x向量进行随机抽样。结果输出为每
转载
2023-10-25 22:12:17
44阅读
随机抽样numpy.random 模块对 Python 内置的 random 进行了补充，增加了一些用于高效生成多种概率分布的样本值的函数，如正态分布、泊松分布等。
numpy.random.seed(seed=None) Seed the generator.seed()用于指定随机数生成时所用算法开始的整数值，如果使用相同的seed()值，则每次生成的随机数都相同，如果不设置这个值，则系统根据
转载
2024-06-28 19:11:44
127阅读
Sample 函数用法：sample(x, size, replace = FALSE, prob = NULL)Arguments x - 可以是含有一个或多个元素的向量或只是一个正整数。x的长度为1时，那么便从1：x中抽取样本。size - 非负整数，从总体抽取样本的个数replace - 是否有放回抽样prob - 用于获得要采样的向量元素的概率权重向量。
转载
2020-02-16 14:00:00
109阅读
Gibbs抽样方法是 Markov Chain Monte Carlo（MCMC）方法的一种，也是应用最为广泛的一种。wikipedia称gibbs抽样为 In statistics and in statistical physics, Gibbs sampling or a Gibbs sampler is a&nbs
转载
2023-11-08 18:28:51
121阅读
# Bootstrap重抽样在R语言中的应用
Bootstrap是一种统计学中常用的重抽样方法，通过从原始数据中有放回地抽取样本来估计总体参数的分布。在R语言中，我们可以使用一些库来实现Bootstrap重抽样的功能，如boot和bootstrap等。本文将介绍Bootstrap重抽样的原理以及在R语言中的应用，并通过代码示例来演示具体的实现过程。
## Bootstrap重抽样原理
Boo
原创
2024-07-01 05:28:34
415阅读
1 booststraping：意思是依靠你自己的资源，称为自助法，它是一种有放回的抽样方法，它是非参数统计中一种重要的估计统计量方差进而进行区间估计的统计方法。其核心思想和基本步骤如下：（1）采用重抽样技术从原始样本中抽取一定数量（自己给定）的样本，此过程允许重复抽样。（2）根据抽出的样本计算统计量T。（3）重复上述N次（一般大于1000），得到统计量T。（4）计算上述N个统计量T的样本方差，得
3.1 随机数的产生 3.1.1 均匀分布随机数 R语言生成均匀分布随机数的函数是runif（） 句法是：runif(n,min=0,max=1) n表示生成的随机数数量，min表示均匀分布的下限，max表示均匀分布的上限；若省略参数min、max,则默认生成[0,1]上的均匀分布随机数。 例1： > runif(5,0,1) # 生成5个[0,1]的均匀
转载
2023-09-14 14:09:02
609阅读
学习一门编程语言离不开语句、函数和编程的语法和语义，R中的程序包都是由大量的进行统计分析的函数，它们的含义和使用方法对于熟练使用R进行数据分析是至关重要的. 在此我们将R的帮助分成两类:1) 关于R的基本知识:通过命令> help.start( )或R用户界面上的“帮助”菜单的“html帮助”得到.i. R的常见问题(FAQ): 系统提供了二个版本，其一为“R FAQ”，其二为“R for
转载
2024-10-24 09:21:15
43阅读
