특징:
1, 무작위 원칙에 따라 샘플링합니다.
2. 수량적으로 보면 대체로 샘플에서 추론한 것이다.
샘플링 추론 오류는 미리 계산 및 제어 할 수 있습니다.
많은 경우 인구의 일부만 샘플로 추출하여 샘플의 실제 데이터를 분석하여 인구의 수량 특성을 추정하고 추론함으로써 현상 인구에 대한 이해를 얻을 수 있습니다.
확장 데이터:
샘플의 실제 데이터를 기준으로 샘플 지수를 계산하고 일정 확률 보증에서 해당 전체 수량 특성을 추론하는 통계적 방법입니다. 샘플 데이터를 기준으로 전체 데이터를 추정하거나 전체 가정을 검증하는 방법입니다.
무작위성 원칙을 강조하는 것은 샘플링 추리 메커니즘을 구성하는 주선이다. 무작위성 원칙을 따르는 것은 샘플링 조사의 기본 특징 중 하나이다. 무작위성 원리에 따라 샘플링하면 하나의 전체로부터 다른 샘플을 추출할 수 있고, 샘플링 지수는 샘플 변수의 함수이기 때문에 샘플링 지수는 무작위 변수입니다.
샘플링 지표가 무작위 변수이기 때문에 샘플마다 다른 샘플링 지표 값이 있어야 샘플 간 샘플링 지표의 분포, 즉 샘플링 지표의 확률 분포를 형성할 수 있습니다. 또한 샘플마다 샘플 지수 값이 다르기 때문에 샘플 지수 값이 평균 (합계 지수) 평균에서 벗어나는 정도를 반영하는 지수, 즉 샘플 평균 오차가 형성됩니다.
바이두 백과-샘플링 추론