ScholarGate
Pembantu
Process / pipelineSampling

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.

Cari Topik dengan PaperMindTidak lama lagiVideoTidak lama lagiMuat turun slaid

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Peta kaedah

Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.

Sumber

  1. Thompson, S. K. (1990). Adaptive cluster sampling. Journal of the American Statistical Association, 85(412), 1050–1059. DOI: 10.2307/2289601
  2. 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.

Bandingkan secara bersebelahan

Dirujuk oleh

ScholarGateAdaptive Weighted Sampling (Adaptive Weighted Sampling). Dicapai 2026-06-15 daripada https://scholargate.app/ms/survey-methodology/adaptive-weighted-sampling · Set data: https://doi.org/10.5281/zenodo.20539026