数据抽样大来了还么一手资源.pdfVIP

2021/8/1909|

APP

09|

2021-08-16

《数据分析思维课》课程介绍

讲述：



时长21:37大小19.80M

数据给你一双看透本质的眼睛，这里是《数据分析思维课》，我是

今天我们来聊聊数据抽样。无论在小数据时代还是大数据时代里，数据抽样都是非常常见

的数据分析。人口普查、问卷、人工智能训练的过采样等等都是抽样的方式。我

们之前学到的随机对照分布、直方图，散点图等等内容，它们数据的其实大部分也都

是来自抽样数据形成的数据。

用好了数据抽样你就不必大费周章去拿到每一个人的数据可以“四两拨千斤”，在非

用好了数据抽样，你就不必大费周章去拿到每一个人的数据，可以“四两拨千斤”，在非

常复杂的数据环境里面找到合适的数据结论。所以我把数据抽样称作数据分析方法的

常复杂的数据环境里面找到合适的数据结论。所以我把数据抽样称作数据分析方法的

轮”用好它你可以快速地收集到你想要的数据从而更好地指导你的工作和生

轮”，用好它你可以快速地收集到你想要的数据，从而更好地指导你的工作和生

活。

1/11

2021/8/1909|

小数据下的抽样

数据抽样其实可以分成小数据抽样和大数据抽样，我们先从最常见的小数据抽样入手。小

数据抽样有4种比较常见的方式，它们分别是简单随机抽样、系统抽样、分层抽样和整群

抽样。为了便于你理解，我把这四种抽样放在一个情景下来给你讲解。

大情景是这样子的：的现在很严重，我们想知道大概

是多少。

这件事情我们该怎么做呢？让所有人都做一遍测试是不太可能的，我们只能选取

其中一小部分人来做测试。具体涉及选哪部分人的问题上，我们可以有四种不同的方式去

选择：

简单随机抽样：我们设总人口是N，我们可以在大街上，随机地抽取m个对

象来去做检测（m的数值可以根据前面的算法模型来进行确定）。最后根据这m个对象的

测试结果，再根据前面的算法模型推算出整体患病率。

抽象一下，简单随机抽样就是从总体N个单位中随机地抽取m个单位作为样本，使得每

一个样本被抽中的概率相同。这种抽样的特点在于每个样本单位被抽中的概率相等，每个

样本单位完全独立，彼此间没有关联性和排斥性。

2/11

2021/8/1909|

但是简单随机抽样这种方法有一些执行层面的问题。比如在大街上很有可能具体执行

的时候，人员图方便，仅仅在某几个街区来做。然后这几个街区恰好不具有全局

的代表性，数据偏差的问题就随之出现了。

针对这种偏差，有一种抽样方法改善了简单随机抽样里执行步骤的规则，它就是系统抽

样。

系统抽样：为了避免人员全都扎堆到某几个地区去做抽样，我们可以立下一个规则，

让每一个街区只能有10个人，并且街区和街区之间不得少于10公里。这样的

话，在执行上就会更加容易，也能够更