未记录事实核验 · 状态：现行内容

记录仅说明核验时间与维护状态，不保证适用于所有环境；使用前请留意正文中的版本、适用条件与风险提示。

🧺 抽样方法（Sampling Methods）

🎯 核心概念

为什么需要抽样？

• 成本考虑：调查全部个体费时费力
• 破坏性检测：如灯泡寿命测试
• 实际不可能：如所有鱼的数量
• 时效性要求：快速了解市场反应

📊 四大抽样方法详解

1. 🎯 简单随机抽样 (Simple Random Sampling)

特点：固定样本量的不放回简单随机抽样中，每个同样大小的可能样本被选中的概率相等，各个体入样概率相等，但入样事件并不独立

适用场景：

• 总体比较均匀
• 没有明显的分层结构
• 样本量不是很大

import random
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 简单随机抽样示例
def simple_random_sampling():
    """简单随机抽样演示"""
 # 模拟总体：1000名学生的成绩
    np.random.seed(42)
    population = np.random.normal(75, 10, 1000)  # 总体均值75，标准差10
    
 # 简单随机抽样
    sample_size = 50
    sample = np.random.choice(population, size=sample_size, replace=False)
    
    print("=== 简单随机抽样结果 ===")
    print(f"总体均值: {np.mean(population):.2f}")
    print(f"样本均值: {np.mean(sample):.2f}")
    print(f"抽样误差: {abs(np.mean(sample) - np.mean(population)):.2f}")
    
 # 可视化
    plt.figure(figsize=(12, 4))
    plt.subplot(1, 2, 1)
    plt.hist(population, bins=50, alpha=0.7, label='总体分布', color='lightblue')
    plt.axvline(np.mean(population), color='blue', linestyle='--', label=f'总体均值: {np.mean(population):.1f}')
    plt.xlabel('成绩')
    plt.ylabel('频数')
    plt.title('总体分布')
    plt.legend()
    
    plt.subplot(1, 2, 2)
    plt.hist(sample, bins=15, alpha=0.7, label='样本分布', color='lightcoral')
    plt.axvline(np.mean(sample), color='red', linestyle='--', label=f'样本均值: {np.mean(sample):.1f}')
    plt.xlabel('成绩')
    plt.ylabel('频数')
    plt.title('样本分布')
    plt.legend()
    
    plt.tight_layout()
    plt.show()
    
    return population, sample

# 执行简单随机抽样
pop, samp = simple_random_sampling()

优缺点：

• ✅ 简单易行，结果无偏
• ✅ 便于计算抽样误差
• ❌ 对异质性总体效果不佳
• ❌ 可能错过重要子群体

2. 🏗️ 分层抽样 (Stratified Sampling)

特点：将总体分成若干层，各层内部进行简单随机抽样

适用场景：

• 总体有明显的层次结构
• 各层之间差异较大，层内差异较小
• 需要保证各层都有代表

def stratified_sampling():
    """分层抽样演示"""
 # 模拟分层总体：三个年级学生成绩
    np.random.seed(42)
    grade1 = np.random.normal(70, 8, 400)   # 一年级：均值70
    grade2 = np.random.normal(75, 9, 350)   # 二年级：均值75  
    grade3 = np.random.normal(80, 7, 250)   # 三年级：均值80
    
 # 总体
    population = np.concatenate([grade1, grade2, grade3])
    labels = ['一年级'] * 400 + ['二年级'] * 350 + ['三年级'] * 250
    
    df_population = pd.DataFrame({
        'score': population,
        'grade': labels
    })
    
    print("=== 分层抽样 ===")
    print("各年级总体情况:")
    print(df_population.groupby('grade')['score'].agg(['count', 'mean', 'std']))
    
 # 比例分层抽样
    sample_size = 100
    sample_data = []
    
    for grade in ['一年级', '二年级', '三年级']:
        grade_data = df_population[df_population['grade'] == grade]['score'].values
        grade_prop = len(grade_data) / len(population)
        grade_sample_size = int(sample_size * grade_prop)
        
        grade_sample = np.random.choice(grade_data, size=grade_sample_size, replace=False)
        
        for score in grade_sample:
            sample_data.append({'score': score, 'grade': grade})
    
    df_sample = pd.DataFrame(sample_data)
    
    print(f"\n样本情况（总样本量: {len(df_sample)}）:")
    print(df_sample.groupby('grade')['score'].agg(['count', 'mean', 'std']))
    
 # 对比简单随机抽样
    simple_sample = np.random.choice(population, size=sample_size, replace=False)
    
    print(f"\n效果对比:")
    print(f"总体均值: {np.mean(population):.2f}")
    print(f"分层抽样均值: {df_sample['score'].mean():.2f}")
    print(f"简单随机抽样均值: {np.mean(simple_sample):.2f}")
    
 # 可视化
    fig, axes = plt.subplots(2, 2, figsize=(15, 10))
    
 # 总体分布
    for i, grade in enumerate(['一年级', '二年级', '三年级']):
        grade_scores = df_population[df_population['grade'] == grade]['score']
        axes[0, 0].hist(grade_scores, alpha=0.6, label=grade, bins=20)
    axes[0, 0].set_title('总体各年级分布')
    axes[0, 0].legend()
    
 # 分层样本分布
    for i, grade in enumerate(['一年级', '二年级', '三年级']):
        grade_scores = df_sample[df_sample['grade'] == grade]['score']
        axes[0, 1].hist(grade_scores, alpha=0.6, label=grade, bins=10)
    axes[0, 1].set_title('分层样本分布')
    axes[0, 1].legend()
    
 # 简单随机样本分布
    axes[1, 0].hist(simple_sample, bins=15, alpha=0.7, color='gray')
    axes[1, 0].set_title('简单随机样本分布')
    
 # 均值比较
    methods = ['总体', '分层抽样', '简单随机']
    means = [np.mean(population), df_sample['score'].mean(), np.mean(simple_sample)]
    axes[1, 1].bar(methods, means, color=['blue', 'green', 'red'], alpha=0.7)
    axes[1, 1].set_title('均值比较')
    axes[1, 1].set_ylabel('均值')
    
    plt.tight_layout()
    plt.show()
    
    return df_population, df_sample

# 执行分层抽样
pop_df, samp_df = stratified_sampling()

优缺点：

• ✅ 确保各层都有代表性
• ✅ 提高估计精度
• ✅ 可分层分析结果
• ❌ 需要事先了解总体结构
• ❌ 实施较复杂

3. 📏 系统抽样 (Systematic Sampling)

特点：按固定间隔从总体中抽取样本

适用场景：

• 总体有序排列
• 实施简便性要求高
• 总体没有周期性规律

def systematic_sampling():
    """系统抽样演示"""
 # 创建有序总体
    np.random.seed(42)
    population_size = 1000
    sample_size = 50
    
 # 模拟工厂产品质量数据（有轻微趋势）
    trend = np.linspace(0, 5, population_size)  # 质量逐渐改善的趋势
    noise = np.random.normal(0, 2, population_size)
    population = 75 + trend + noise
    
 # 系统抽样
    k = population_size // sample_size  # 抽样间隔
    start = np.random.randint(0, k)  # 随机起点
    
    systematic_indices = [start + i * k for i in range(sample_size)]
    systematic_sample = population[systematic_indices]
    
 # 简单随机抽样对比
    random_sample = np.random.choice(population, size=sample_size, replace=False)
    
    print("=== 系统抽样 ===")
    print(f"总体大小: {population_size}")
    print(f"样本大小: {sample_size}")
    print(f"抽样间隔: {k}")
    print(f"随机起点: {start}")
    
    print(f"\n结果比较:")
    print(f"总体均值: {np.mean(population):.2f}")
    print(f"系统抽样均值: {np.mean(systematic_sample):.2f}")
    print(f"简单随机抽样均值: {np.mean(random_sample):.2f}")
    
 # 可视化
    plt.figure(figsize=(15, 5))
    
    plt.subplot(1, 3, 1)
    plt.plot(population, alpha=0.7, label='总体数据')
    plt.scatter(systematic_indices, systematic_sample, color='red', s=30, label='系统抽样点')
    plt.xlabel('序号')
    plt.ylabel('数值')
    plt.title('系统抽样示意')
    plt.legend()
    
    plt.subplot(1, 3, 2)
    plt.hist(systematic_sample, bins=15, alpha=0.7, label='系统抽样', color='red')
    plt.axvline(np.mean(systematic_sample), color='red', linestyle='--')
    plt.xlabel('数值')
    plt.ylabel('频数')
    plt.title('系统抽样分布')
    plt.legend()
    
    plt.subplot(1, 3, 3)
    plt.hist(random_sample, bins=15, alpha=0.7, label='随机抽样', color='blue')
    plt.axvline(np.mean(random_sample), color='blue', linestyle='--')
    plt.xlabel('数值')
    plt.ylabel('频数')
    plt.title('随机抽样分布')
    plt.legend()
    
    plt.tight_layout()
    plt.show()
    
    return population, systematic_sample, random_sample

# 执行系统抽样
pop_sys, samp_sys, samp_rand = systematic_sampling()

优缺点：

• ✅ 实施简单，操作方便
• ✅ 样本分布均匀
• ✅ 可利用现成的有序名单或连续序列抽样，但仍需能够按顺序定位总体单位
• ❌ 如有周期性可能产生偏差
• ❌ 仅使用一个随机起点时，通常难以仅凭样本获得设计无偏的方差估计；误差估计需结合抽样设计或额外假设

4. 🏘️ 整群抽样 (Cluster Sampling)

特点：将总体分成若干群，随机选择若干群进行全面调查

适用场景：

• 缺乏完整的抽样框
• 调查成本考虑
• 地理位置分散的总体

def cluster_sampling():
    """整群抽样演示"""
 # 模拟10个班级的学生成绩
    np.random.seed(42)
    n_clusters = 10
    students_per_cluster = 30
    
 # 每个班级有不同的平均水平
    cluster_means = np.random.normal(75, 5, n_clusters)
    
    population_data = []
    for cluster_id in range(n_clusters):
        cluster_scores = np.random.normal(cluster_means[cluster_id], 8, students_per_cluster)
        for score in cluster_scores:
            population_data.append({
                'cluster_id': cluster_id,
                'score': score
            })
    
    df_population = pd.DataFrame(population_data)
    
    print("=== 整群抽样 ===")
    print("各群体情况:")
    cluster_stats = df_population.groupby('cluster_id')['score'].agg(['count', 'mean', 'std'])
    print(cluster_stats)
    
 # 整群抽样：随机选择3个班级
    selected_clusters = np.random.choice(n_clusters, size=3, replace=False)
    cluster_sample = df_population[df_population['cluster_id'].isin(selected_clusters)]
    
    print(f"\n选中的群体: {selected_clusters}")
    print(f"样本量: {len(cluster_sample)}")
    
 # 简单随机抽样对比
    total_population = len(df_population)
    random_sample_size = len(cluster_sample)
    random_indices = np.random.choice(total_population, size=random_sample_size, replace=False)
    random_sample = df_population.iloc[random_indices]
    
    print(f"\n结果比较:")
    print(f"总体均值: {df_population['score'].mean():.2f}")
    print(f"整群抽样均值: {cluster_sample['score'].mean():.2f}")
    print(f"简单随机抽样均值: {random_sample['score'].mean():.2f}")
    
 # 可视化
    fig, axes = plt.subplots(2, 2, figsize=(15, 10))
    
 # 各群体分布
    for cluster_id in range(n_clusters):
        cluster_data = df_population[df_population['cluster_id'] == cluster_id]['score']
        color = 'red' if cluster_id in selected_clusters else 'lightgray'
        alpha = 0.8 if cluster_id in selected_clusters else 0.3
        axes[0, 0].hist(cluster_data, alpha=alpha, color=color, bins=10)
    axes[0, 0].set_title('各群体分布（红色为选中群体）')
    axes[0, 0].set_xlabel('成绩')
    axes[0, 0].set_ylabel('频数')
    
 # 整群样本分布
    axes[0, 1].hist(cluster_sample['score'], bins=15, alpha=0.7, color='red')
    axes[0, 1].axvline(cluster_sample['score'].mean(), color='darkred', linestyle='--')
    axes[0, 1].set_title('整群样本分布')
    axes[0, 1].set_xlabel('成绩')
    
 # 随机样本分布
    axes[1, 0].hist(random_sample['score'], bins=15, alpha=0.7, color='blue')
    axes[1, 0].axvline(random_sample['score'].mean(), color='darkblue', linestyle='--')
    axes[1, 0].set_title('随机样本分布')
    axes[1, 0].set_xlabel('成绩')
    
 # 均值比较
    methods = ['总体', '整群抽样', '随机抽样']
    means = [df_population['score'].mean(), cluster_sample['score'].mean(), random_sample['score'].mean()]
    axes[1, 1].bar(methods, means, color=['gray', 'red', 'blue'], alpha=0.7)
    axes[1, 1].set_title('均值比较')
    axes[1, 1].set_ylabel('均值')
    
    plt.tight_layout()
    plt.show()
    
    return df_population, cluster_sample

# 执行整群抽样
pop_cluster, samp_cluster = cluster_sampling()

优缺点：

• ✅ 实施成本低
• ✅ 便于组织实施
• ✅ 通常不需要完整的个体抽样框，但需要群层面的抽样框，并能调查选中群内的个体
• ❌ 抽样误差较大
• ❌ 群内相似性影响代表性

🎯 抽样方法选择指南

📋 决策树

def choose_sampling_method():
    """帮助选择合适的抽样方法"""
    
    questions_and_methods = [
        {
            "question": "总体是否有清晰的层次结构？",
            "yes": "考虑分层抽样",
            "no": "继续下一问题"
        },
        {
            "question": "是否需要严格控制成本？",
            "yes": "考虑整群抽样",
            "no": "继续下一问题"
        },
        {
            "question": "总体是否有明确的顺序？",
            "yes": "考虑系统抽样",
            "no": "使用简单随机抽样"
        }
    ]
    
    print("抽样方法选择指南：")
    for i, qa in enumerate(questions_and_methods, 1):
        print(f"{i}. {qa['question']}")
        print(f"   是 → {qa['yes']}")
        print(f"   否 → {qa['no']}")
        print()

choose_sampling_method()

🏢 实际应用对照

场景	推荐方法	理由
市场调研	分层抽样	按年龄、收入分层，确保代表性
质量检查	系统抽样	生产线按时间顺序，系统抽样简便
民意调查	整群抽样	按地区分群，降低调查成本
医学实验	简单随机	减少选择偏差，提高可信度
用户满意度	分层抽样	按用户类型分层，全面了解

⚠️ 抽样注意事项

🚫 常见错误

1. 样本量过小：导致结果不稳定
2. 非随机抽样：产生系统性偏差
3. 忽视无回应：回应率低影响代表性
4. 抽样框不完整：遗漏重要群体

💡 最佳实践

• 确定明确的总体定义
• 选择合适的抽样方法
• 计算必要的样本量
• 考虑实际实施的可行性
• 评估和报告抽样误差

🔗 相关知识

• Python/NumPy数值计算
• 概率的基本概念
• 抽样分布
• 抽样误差与偏差

#统计学 #抽样 #基础