IRE: Inductive Rule Extraction

IRE: Inductive Rule Extraction

استخراج قانون استقرائی
IRE: Inductive Rule Extraction

IRE: Inductive Rule Extraction

استخراج قانون استقرائی

نمونه‌گیری آماری

در مقابل نمونه‌گیری، روش بازنمونه‌گیری[1] بر اساس نمونه موجود، سعی در برآورد بهتر پارامترهای جامعه آماری و یا محاسبه خطای برآورد می‌کند. هر دو روش نمونه‌گیری و بازنمونه‌گیری برای حل مسائل مدل‌سازی به کار گرفته می‌شوند. خصوصیات یا ویژگی‌های یک عضو از جامعه آماری را در نظر بگیرید. 

  مقدارهای این خصوصیات را برای آن عضو مقدار مشاهده‌شده[2] می‌نامیم. درصورتی‌که همه اعضای جامعه آماری قابل‌مشاهده و اندازه‌گیری باشند، می‌توان از روش سرشماری برای جمع‌آوری داده‌ها استفاده کرد. زمانی که هدف بررسی جامعه آماری با استفاده از مشاهده‌ها است، احتمال دارد امکان دسترسی به همه این مشاهده‌ها برای اعضای جامعه آماری فراهم نباشد. دلیل چنین امری می‌تواند یکی از موارد زیر باشد:

·         هزینه زیاد برای اندازه‌گیری خصوصیات یا ویژگی‌های اعضای جامعه آماری

·         زمان زیاد برای اندازه‌گیری همه ویژگی‌ها برای جامعه آماری

·         از بین رفتن اعضای جامعه آماری در زمان اندازه‌گیری ویژگی

·         نامتناهی بودن جامعه آماری

ممکن است تعداد زیادی مشاهده‌ها از جامعه آماری به روشی ساده و ارزان در اختیار قرار گیرد ولی ازآنجایی‌که به همه جامعه آماری دسترسی نخواهیم داشت این مجموعه مشاهده‌ها یک نمونه از جامعه محسوب می‌شود.

جامعه آماری و برآورد پارامترهای آن

به کمک نمونه آماری مناسب با صرف زمان و هزینه کم می‌توان پارامترهای جامعه آماری را برآورد و بهتر شناسایی کرد.



[1] Re-sampling

[2] Observation

نظرات 0 + ارسال نظر
برای نمایش آواتار خود در این وبلاگ در سایت Gravatar.com ثبت نام کنید. (راهنما)
ایمیل شما بعد از ثبت نمایش داده نخواهد شد