Persampelan Berpemberat Adaptif
Persampelan berpemberat adaptif ialah prosedur persampelan kebarangkalian yang menetapkan dan mengemas kini secara berulang pemberat rangkuman untuk unit populasi berdasarkan data cerapan yang dikumpul semasa proses persampelan itu sendiri. Berbeza dengan persampelan berpemberat statik — yang mana pemberat ditetapkan sebelum pengumpulan data daripada maklumat sampingan yang diketahui — pembobotan adaptif menyemak semula kebarangkalian apabila maklumat baharu terkumpul, menumpukan usaha persampelan pada unit yang paling banyak menyumbang kepada penganggaran kuantiti sasaran. Ia digunakan dalam metodologi tinjauan, kajian simulasi, dan penganggaran peristiwa jarang berlaku.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- Thompson, S. K. (1990). Adaptive cluster sampling. Journal of the American Statistical Association, 85(412), 1050–1059. DOI: 10.2307/2289601 ↗
- Owen, A. B. (2000). Monte Carlo Theory, Methods and Examples. Stanford University (online edition). Chapter on importance sampling and adaptive weighting. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Adaptive Weighted Sampling. ScholarGate. https://scholargate.app/ms/survey-methodology/adaptive-weighted-sampling
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Persampelan Kelompok AdaptifMetodologi Tinjauan↔ banding
- Importance SamplingSimulasi↔ banding
- Pensampelan BerperingkatMetodologi Tinjauan↔ banding
- Persampelan BerlapisMetodologi Tinjauan↔ banding
- Pensampelan SistematikMetodologi Tinjauan↔ banding
- Persampelan BerwajaranMetodologi Tinjauan↔ banding
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →