利用ORACLE實現數據的抽樣

　　數據準備：利用ORACLE實現數據抽樣

　　做數據分析的，免不了碰到記錄數據量很大，怎么辦?做全面分析是不現實也沒有必要。

　　介紹一下抽樣方法及實現

　　幾種常用的抽樣方法：

　　1.簡單隨機抽樣(simple random sampling)

　　將所有調查總體編號，再用抽簽法或隨機數字表隨機抽取部分觀察數據組成樣本。

　　優點：操作簡單，均數、率及相應的標準誤計算簡單。

　　缺點：總體較大時，難以一一編號。

　　2.系統抽樣(systematic sampling)

　　又稱機械抽樣、等距抽樣，即先將總體的觀察單位按某一順序號分成n個部分，再從第一部分隨機抽取第k號觀察單位，依次用相等間距從每一部分各抽取一個觀察單位組成樣本。

　　優點：易于理解、簡便易行。

　　缺點：總體有周期或增減趨勢時，易產生偏性。

　　3.整群抽樣(cluster sampling)

　　先將總體依照一種或幾種特征分為幾個子總體(類。群)，每一個子總體稱為一層，然后從每一層中隨機抽取一個子樣本，將它們合在一起，即為總體的樣本，稱為分層樣本

　　優點：便于組織、節省經費。

　　缺點：抽樣誤差大于單純隨機抽樣。

　　4.分層抽樣(stratified sampling)

　　將總體樣本按其屬性特征分成若干類型或層，然后在類型或層中隨機抽取樣本單位，合起來組成樣本。有按比例分配和最優分配(過度抽樣是否就是最優分配方法?)兩種方案。

　　特點：由于通過劃類分層，增大了各類型中單位間的共同性，容易抽出具有代表性的調查樣本。該方法適用于總體情況復雜，各類別之間差異較大(比如金融客戶風險/非風險樣本的差異)，類別較多的情況。

　　優點：樣本代表性好，抽樣誤差減少。

　　我們需要使用抽樣的方法從總量用戶中隨機抽取100W個樣本記錄。

　　down到本機然后進行sas抽樣，不可能!

　　直接sas聯機抽樣，更不可能!

　　直接提交服務器進行抽樣，然后鏈接到本機進行分析

　　現在介紹一下ORACLE抽樣方法：

　　Oracle取隨機數據實現

　　隨機查看前N條記錄

　　SELECT * FROM (SELECT * FROM TB_PHONE_NO ORDER BY SYS_GUID())

　　WHERE ROWNUM < 10;

　　SELECT * FROM (SELECT * FROM chifan ORDER BY dbms_random.random) WHERE ROWNUM<=5

　　SQL> SELECT * FROM (SELECT * FROM A SAMPLE(0.01)) WHERE ROWNUM<=1;

　　注意每次取得的值都不同。

　　SAMPLE 是隨機抽樣，后面的數值是采樣百分比。

　　另附SAS 抽樣實現

　　DATA COMMON.OTHER_200909(WHERE=(RANUNI(1)<.042));

　　SET COMMON.FIN_200909;

　　WHERE PV IS NULL;

　　RUN;

　　效率非常低，不推薦

原文轉自：http://www.anti-gravitydesign.com