R语言：PPS抽样
今天有朋友咨询我怎么写PPS抽样的代码，试着找了下，找到一个实现PPS抽样的R包。
百度百科: PPS 抽样是指按概率比例抽样，属于概率抽样中的一种。是指在多阶段抽样中，尤其是二阶段抽样中，初级抽样单位被抽中的机率取决于其初级抽样单位的规模大小，初级抽样单位规模越大，被抽中的机会就越大，初级抽样单位规模越小，被抽中的机率就越小。就是将总体按一种准确的标准划分出容量不等的具有相同标志的单位在总体中不同比率分配的样本量进行的抽样。
R语言源码：
function (m, x)
{
N <- length(x)
pk <- x/sum(x)
cumpk <- cumsum(pk)
U <- runif(m)
ints <- cbind(c(0, cumpk[-N]), cumpk)
sam <- rep(0, m)
for (i in 1:m) {
sam[i] <- which(U[i] > ints[, 1] & U[i] < ints[, 2])
}
return(cbind(sam, pk[sam]))
}这段代码来自R包：TeachingSampling，从代码便可以知道它的原理。
例子：
> library(TeachingSampling)
> data(Lucy)
> attach(Lucy)
The following objects are masked from Lucy (pos = 3):
Employees, ID, Income, Level, SPAM, Taxes, Ubication, Zone
> res<-S.PPS(400,Income)#基于Income抽样
> head(res)
sam
[1,] 894 0.0002994541
[2,] 1717 0.0006278877
[3,] 49 0.0003226377
[4,] 2336 0.0015590934
[5,] 194 0.0003187737
[6,] 1700 0.0007921045
> sam <- res[,1]
> head(sam)
[1] 894 1717 49 2336 194 1700
> data <- Lucy[sam,]#得到的抽样样本
> head(data)
ID Ubication Level Zone Income Employees Taxes SPAM
894 AB2054 c10k3 Small C 310 94 4 yes
1717 AB1145 c18k34 Medium A 650 117 21 yes
49 AB050 c1k49 Small A 334 16 5 no
2336 AB1126 c25k59 Big A 1614 159 138 yes
194 AB1398 c2k95 Small B 330 39 4 yes
1700 AB1122 c18k17 Medium A 820 82 34 yes
> dim(data)
[1] 400 8理论部分的解释请看：http://blog.csdn.net/zrjdds/article/details/50231551
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2016年12月15日，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读