抽样
抽样是一种方法，它使我们能够基于子集(样本)的统计信息来获取总体信息，而无需调查所有样本。（样本代表总体）
抽样技术
概率（随机抽样：等概率抽样）
- 简单随机：比如蒙特卡罗
- 系统抽样/等距抽样：第一个随机，后续按照固定抽样间隔选取 （简单）
- 分层抽样：把数据按照特定分组（层），然后每组按比例分别抽样
- 整群抽样/聚类抽样： 把数据先分成群，然后以群为单位进行抽样
非概率/非随机抽样/不等概率抽样 （不具代表性，简单）
- 方便抽样又称随意抽样、偶遇抽样
- 配额抽样（根据特征分组，然后每组单独配额，在配额内，主观判定选择样本 vs 分层抽样）
- 判断抽样/选择性抽样（专家评定）
- 雪球抽样（推荐，认识的推荐认识的）：舆论研究，社区研究。介于随机抽样和非随机抽样
蓄水池抽样算法（Reservoir Sampling）
问题： 给定一个数据流，数据流长度N很大，且N直到处理完所有数据之前都不可知，请问如何在只遍历一遍数据（O(N)）的情况下，能够随机选取出m个不重复的数据。
result： 对于输入的第i个数，在[0, i)产生一个随机数r，如果r在 [0, m) 中，则进行替换，反之不进行操作。这样每个元素被选中留在[0, m) 中的概率为m/n。（n为最后一个数的位置)
分布式蓄水池抽样算法 （Distributed/Parallel Reservoir Sampling）
在单体蓄水池基础上，再进行一次抽样（可以是不放回抽样）