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
相关产品推荐

