正负样本比例多少合适 负样本量正样本量=1001

抽样调查3万人抽多少人

一个比较合适的抽样调查比例是百分之一到百分之五。可以根据你的研究需要来具体决定。如果要抽样调查3万人的话，那么样本容量控制在300~1500人中间。就是比较合适的。这样的样本容量不算太大，后期总结的难度比较小，同时也尽量全面的反映了总体的特征。

在调查统计中，通常要用到抽样调查的方式，一般抽一般情况下,我们不知道P的取值,取其样本变异程度时的值为0.5。样的样本容量要占中体的百分之十左右最有代表性。所以3万人中随机抽3千个比较合适

正负样本比例多少合适 负样本量正样本量=1001

怎样计算市场调查的抽样调查样本量啊？

如何确定样本量,基本方法很多,但是公式检验表明,当误和置信区间一定时,不同的样本量计算公式计算出来的样本量是十分相近的,所以,我们完全可以使用简单随机抽样计算样本量的公式去近似估计其他抽样方法的样本量,这样可以更加快捷方便，然后将样本量根据一定方法分配到各个子域中去。所以，区域二相抽样不能计算样本量的说法是不科学的。

对于已知数据为数,我们一般根据下列步骤来计算所需要的样本量。已知期望调查结果的精度(E), 期望调查结果的置信度(L),以及总体的标准估计值σ的具体数据，总体单位数N。

计算公式为:n=σ2/(e2/Z2+σ2/N)

特殊情况下,如果是（1）对于平均数类型的变量很大总体,计算公式变为:n= Z2σ2/e2

例如希望平均收入的误在正负30元之间,调查结果在95%的置信范围以内,其95%的置信度要求Z的统计量为1.96。根据估计总体的标准为150元,总体单位数为1000。

样本量:n=150150/(3030/(1.961.96))+150150/1000)=88

(2)于百分比类1．简单随机抽样确定样本量主要有两种类型:型的变量

对于已知数据为百分比,一般根据下列步骤计算样本量。已知调查结果的精度值百分比(E),以及置信度(L),比例估计(P)的精度,即样本变异程度，总体数为N。

则计算公式为:n=P(1-P)/(e2/Z2+ P(1-P)/N)

同样,特殊情况下如果不考虑总体,公式为:n= Z2P(1-P)/e2

例如:希望平均收入的误在正负0.05之间,调查结果在95%的置信范围以内,其95%的置信度要求Z的统计量为1.96，估计P为0.5,总体单位数为1000。样本量为:n=0.50.5/(0.050.05/(1.961.96)+0.50.5/1000)=278

2.样本量分配方法

以上分析我们获得了采用简单随机抽样公式计算得到的样本量，总的样本量需要在此基础上乘以设计效应的值得到。由于样本总量已经确定,我们采用总样本量固定方法分配样本,这种方法包括按照比例分配和不按照比例分配两类。实际工作中首先计算取得区县总的样本量,然后逐级将其分配到各阶分层中,如果不清楚各阶分层的规模和方等,一般采取比例分配或者比例平方根分配法。如果有一定辅助变量可以使用，可以采用按照规模分配法分配样本量。

3.样本量和总体大小的关系: 在其它条件一定的情况下，即误、置信度、抽样比率一定，样本量随总体的大小而变化。但是，总体越大，其变化越不明显；总体较小时，变化明显。

二者之间的变化并非是线性关系。所以，样本量并不是越大越好，应该综合考虑，实际工作中只要达到要求就可以了。

模型测试集评价指标（模型泛化能力）

该评价指标容易受到正负样本不平衡影响，若正样本数量很少，也可以得到高正确率的模型，但是并没有实际作用（模型基本没学到正样本的特征）。为了解决这一问题，因此提出了准确率和召回率。

该评价指标可以衡量正确预测正样本占正样本的比例。

为ROC曲线下的面积，曲线下面积越大越好

四种平均数大小关系：调和平均数≤几何平均数≤算术平均数≤平方平均数。可以看出调和平均数最接近较小值。

如果是多分类情况下，在使用F1分数时可以选择是micro还是macro，macro指对单个类别计算F1值，再用其算数平均值作为最终结果；而micro将全部类别当作一个整体，只计算1次F1值。因此macro受到样本较少类别影响大，micro受样本较多类别影响大。

灵敏度其实就是召回率

该评价指标可以衡量正确预测负样本占负样本的比例。

灵敏度又称为真正率，1-特异度又称为假正率 ，可以看出真正率和假正率都是基于真实样本的条件概率，因此可以有效解决正负样本不平衡的问题。真正率关心的是全体正样本中有多少被预测为真，假正率是关心全体负样本中有多少被预测为真。ROC曲线就是在不同的threshold的条件下（预测结果大于threshold记为预测结果为真，反之为假），将其对应的真正率和假正率作为（y，x）坐标绘制而成。如下图所示：

随机抽取多少比例的数据效果

该评价指标可以衡量错误预测负样本占负样本的比例。

1、SPSS在菜单中仅提供了两种从数据表中随机抽取记录的功能。

2、一种是近似法,即由用户指定抽取比例,系统按该比例在全部记录中进行无返回的抽样。

3、4、根据大样本代表性好的原理,数据文件中的记录条数越多,比例越接近50%,结果就会越接近。另外一种方法是法,由用户指定需抽取的记录条数和从前面多少条记录中抽取,系统就从指定的范围内抽取相应条记录。此时系统对于每条记录都是用的伪随机数发生器进行抽样,故抽样结果只能近似符合指定的比例。

抽查法的抽查比例是

该评价指标衡量正确预测正样本占实际预测为正样本的比例。

你是想问抽查法的抽查比例是多少吗？抽查法的抽查比例是：百分之一到百分之五。因为抽查是为了一般来说模型的召回率越高，模型的准确率越低；模型的准确率越高，召回率越低。（越贪心犯错的概率就越大）那麽可以看出过高的召回率或者过高的准确率都不是理想的指标，因此就提出了采用召回率和准确率的调和平均值F1值作为评价指标：简便的检查从而获得总体样本的情况，所以抽查样本所占比例不宜过大，根据总体样本大小，大样本可以抽查百分之一，小样本可以抽查百分之五，所以抽查法的抽查比例是百分之一到百分之五。