You need to enable JavaScript to run this app. 如何抽取与总体均值和标准差基本一致的随机子样本
优惠活动
大模型
产品
解决方案
定价
更多

如何抽取与总体均值和标准差基本一致的随机子样本

问题背景

现有通过R语言生成的测试数据集如下:

> length <- rep(11:17, 200)
> mean(length)
[1] 14
> sd(length)
[1] 2.001

需要从该数据集中随机抽取子样本,使得子样本的均值、标准差和原总体的对应统计量基本一致,可参考以下几种实现方案:

实现方案
  • 方案1:大样本简单随机抽样 适合样本量较大的场景
    根据大数定律,当抽取的样本量足够大时,样本统计量会自然逼近总体的真实统计量,一般抽取占总体10%以上的样本就能得到误差极小的结果。
    示例代码:
# 设定抽取比例为总体的30%
sample_size <- floor(0.3 * length(length))
# 无放回随机抽样
sub_sample <- sample(length, size = sample_size, replace = FALSE)
# 验证统计量
mean(sub_sample)
sd(sub_sample)
  • 方案2:等比例分层抽样 当前数据集的最优方案
    当前length数据集的结构非常特殊,11~17每个取值的样本量完全相等,属于均匀分布。只要抽样时保持每个取值的占比和原数据集一致,就能得到和总体完全一致的均值、几乎无差的标准差。
    示例代码:
# 设定每个取值抽取k个样本,比如k=20,总共抽取140条样本
k <- 20
sub_sample <- rep(11:17, k)
# 如果需要打乱样本顺序可额外执行以下步骤
sub_sample <- sample(sub_sample)
# 验证统计量
mean(sub_sample)
sd(sub_sample)
  • 方案3:接受-拒绝抽样 适合小样本高精度要求场景
    如果要求抽取的样本量很小,又需要严格控制均值和标准差的误差范围,可以用循环校验的逻辑,多次抽样直到结果符合要求为止。
    示例代码:
# 设定允许的误差阈值
tolerance_mean <- 0.1
tolerance_sd <- 0.1
# 设定要抽取的小样本量
sample_size <- 20

# 循环抽样直到符合误差要求
while(TRUE) {
  sub_sample <- sample(length, size = sample_size, replace = FALSE)
  if (abs(mean(sub_sample) - 14) < tolerance_mean && 
      abs(sd(sub_sample) - 2.001) < tolerance_sd) {
    break
  }
}

# 验证结果
mean(sub_sample)
sd(sub_sample)

内容的提问来源于stack exchange,提问作者I. Sam

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.13 06:27:00