Impara Implementazione del Campionamento in Python

Campionamento casuale semplice


              1234567
            
import random

N = 30   # population size
n = 5    # sample size

sample_srs = random.sample(range(1, N+1), n)
print(f"Simple Random Sample: {sample_srs}")

random.sample(range(1, N+1), n) seleziona casualmente n valori unici dalla popolazione;
Funziona senza reinserimento (nessuna ripetizione);
Ogni membro della popolazione ha la stessa probabilità di essere scelto.

Campionamento stratificato


              123456789
            
N_males = 18
N_females = 12
N_total = N_males + N_females
n_total = 10

n_males = round((N_males / N_total) * n_total)
n_females = round((N_females / N_total) * n_total)

print(f"Stratified Sample Size -> Males: {n_males}, Females: {n_females}")

La popolazione è suddivisa in sottogruppi (strati);
Il campione viene estratto proporzionalmente da ciascun sottogruppo;
Garantisce la rappresentanza dei gruppi chiave.

Campionamento a grappolo


              1234567
            
import random

clusters = 5
students_per_cluster = 25

selected_cluster = random.randint(1, clusters)
print(f"Selected cluster (classroom): {selected_cluster} containing {students_per_cluster} students")

Popolazione suddivisa in grappoli (ad esempio, classi);
Uno o più grappoli vengono selezionati casualmente;
Tutti gli individui nei grappoli scelti vengono inclusi nell'indagine;
Metodo efficiente quando elencare ogni singolo individuo è poco pratico.

Campionamento sistematico


              123456789101112
            
import random

N = 1000
n = 100

k = N // n                # Sampling interval
start = random.randint(1, k)  # Random start

sample_systematic = list(range(start, N+1, k))
print(f"Sampling interval k = {k}")
print(f"Random start = {start}")
print(f"First 10 samples: {sample_systematic[:10]}")

Intervallo $k = \frac{N}{n}$ ;
Punto di partenza scelto casualmente tra 1 e $k$ ;
Selezione di ogni elemento $k$ -esimo dalla popolazione ordinata.

Riepilogo dei Metodi

Casuale semplice: stessa probabilità per tutti, senza ripetizioni;
Stratificato: garantisce la rappresentanza dei sottogruppi;
A grappolo: seleziona casualmente interi gruppi;
Sistematico: seleziona a intervalli fissi dopo un avvio casuale.

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 5. Capitolo 6

Chieda ad AI

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Suggested prompts:

Can you explain the main differences between these four sampling methods?

When should I use stratified sampling instead of simple random sampling?

Can you give real-world examples where cluster sampling is most effective?

Awesome!

Completion rate improved to 1.96

Scorri per mostrare il menu