R语言中的抽样方法与描述统计函数

原创

于 2019-04-26 00:46:55 发布 · 1w 阅读

51 ·

CC 4.0 BY-SA版权

文章标签：

#R #抽样 #描述统计 #数据分析

本文介绍了R语言中的抽样方法，包括简单随机抽样、分层抽样和系统抽样，并详细讲解了如何使用sample函数进行操作。在描述统计部分，提到了summary函数、Hmisc包的describe函数以及pastecs包的stat.desc函数，这些工具能方便地获取数据的多种统计量。通过学习，你可以更高效地分析和理解数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

抽样方法

常见的抽样方法

简单随机抽样
分层抽样
系统抽样

# 导入数据
# 1 金融  2 建筑   3 外语
data <- read.csv("E:\\Github\\code-learning\\R\\data\\第11期资料\\data.csv")
# 按照专业和ID排序
data <- data[order(data$专业,data$ID),]
head(data)

	专业	ID	收入
375	1	A001	6811
360	1	A002	3976
505	1	A003	2692
470	1	A004	8156
214	1	A005	2169
450	1	A006	6142

简单随机抽样

简单随机抽样最基本的抽样方法。分为重复抽样和不重复抽样。社会调查采用不重复抽样。

sample(x,size,replace=FALSE,prob=NULL)

x :抽样总体
size: 样本容量
replace: 是否有放回
prob: 抽样概率，默认等概率

使用sample函数要将数据按照升序排序

# 对数据序号抽样
# 无放回的抽取10个样本
index_11 <- sample(1:nrow(data),10,replace = FALSE)
index_11
data[index_11,]

	专业	ID	收入
65	2	B102	8522
369	2	B081	8386
309	3	C092	6151
169	2	B122	6439
392	1	A022	4371
41	2	B017	4203
428	2	B090	5392
44	2	B147	3291
402	2	B035	7097

最低0.47元/天解锁文章

200万优质内容无限畅学