Adaptive Weighted Sampling
Adaptive weighted sampling เป็นกระบวนการสุ่มตัวอย่างเชิงความน่าจะเป็นที่กำหนดและปรับปรุงน้ำหนักการรวม (inclusion weights) สำหรับหน่วยประชากรอย่างต่อเนื่อง โดยอาศัยข้อมูลที่สังเกตได้ซึ่งรวบรวมระหว่างกระบวนการสุ่มตัวอย่างเอง ซึ่งแตกต่างจากการสุ่มตัวอย่างแบบถ่วงน้ำหนักคงที่ (static weighted sampling) ที่น้ำหนักจะถูกกำหนดไว้ก่อนการเก็บข้อมูลจากข้อมูลเสริมที่ทราบ การถ่วงน้ำหนักแบบปรับตัว (adaptive weighting) จะปรับแก้ความน่าจะเป็นเมื่อข้อมูลใหม่สะสม ทำให้การพยายามสุ่มตัวอย่างมุ่งเน้นไปที่หน่วยที่ให้ข้อมูลมากที่สุดในการประมาณค่าปริมาณเป้าหมาย วิธีนี้ใช้ในระเบียบวิธีสำรวจ การศึกษาการจำลอง และการประมาณค่าเหตุการณ์ที่เกิดขึ้นได้ยาก
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Adaptive Weighted Sampling. ScholarGate. https://scholargate.app/th/survey-methodology/adaptive-weighted-sampling
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- การสุ่มตัวอย่างแบบกลุ่มปรับเปลี่ยนได้ (Adaptive Cluster Samplingระเบียบวิธีสำรวจ↔ compare
- การชักตัวอย่างแบบ Importance Samplingการจำลอง↔ compare
- การสุ่มตัวอย่างแบบหลายขั้นตอนระเบียบวิธีสำรวจ↔ compare
- การสุ่มแบบแบ่งชั้นระเบียบวิธีสำรวจ↔ compare
- การสุ่มตัวอย่างแบบเป็นระบบระเบียบวิธีสำรวจ↔ compare
- การสุ่มตัวอย่างแบบถ่วงน้ำหนักระเบียบวิธีสำรวจ↔ compare