样本有偏时的思考

如何避免样本抽样有偏的情况发生

在关联规则中，对于辛普森悖论的出现，即是由于样本有偏所导致规则提取的错误，在进行抽样时，如果没有比较客观地反映原始总体的信息，那么基于此，所得到的统计分析的结论以及假设检验，都是有错误的。

对于这个问题的解决方案，

1，  多次抽样，将多次抽样的分布绘制出来，取相对集中部分的均值或者众数

2，  对于大的样本按照可利用的商业信息进行分层，再按照恰当比例在每个层中进行抽样。

3，  对于抽样而言，很多情况下，我们想要利用的是，利用样本估计总体，那么如果我们已经可以估计出样本密度函数，那么就可以解决总体估计问题。这里可以利用非参数估计，如：矩估计，ML估计，分位数估计等方法进行样本估计，而对于样本有偏的情况时，对相应的估计进行适当地调整来比较完整地反映总体信息。

     个人感觉，我的思路有很大局限性，欢迎大牛和大侠，批评指正，指点迷津！！