Summary  
This chapter demonstrates how to implement four fundamental sampling methods—simple random sampling, stratified sampling, cluster sampling, and systematic sampling—using Python’s random module to programmatically select representative subsets from a population.  

General domain of usage  
Statistical research (e.g., survey sampling)

Ladda ner kod från en video

import random

N = 30   # population size
n = 5    # sample size

sample_srs = random.sample(range(1, N+1), n)
print(f"Simple Random Sample: {sample_srs}")

* `random.sample(range(1, N+1), n)` väljer slumpmässigt **n unika värden** från populationen;
* Fungerar **utan återläggning** (inga upprepningar);
* Varje medlem i populationen har lika stor chans att bli vald.

N_males = 18
N_females = 12
N_total = N_males + N_females
n_total = 10

n_males = round((N_males / N_total) * n_total)
n_females = round((N_females / N_total) * n_total)

print(f"Stratified Sample Size -> Males: {n_males}, Females: {n_females}")

* Population delas in i **delgrupper (strata)**;
* Urval tas **proportionellt** från varje delgrupp;
* Säkerställer representation av viktiga grupper.

import random

clusters = 5
students_per_cluster = 25

selected_cluster = random.randint(1, clusters)
print(f"Selected cluster (classroom): {selected_cluster} containing {students_per_cluster} students")

* Population uppdelad i **kluster** (t.ex. klassrum);
* Ett eller flera kluster väljs **slumpmässigt**;
* Alla i det valda klustret/de valda klustren undersöks;
* Effektivt när det är opraktiskt att lista varje individ.

import random

N = 1000
n = 100

k = N // n                # Sampling interval
start = random.randint(1, k)  # Random start

sample_systematic = list(range(start, N+1, k))
print(f"Sampling interval k = {k}")
print(f"Random start = {start}")
print(f"First 10 samples: {sample_systematic[:10]}")

* Intervall $$k = \frac{N}{n}$$;
* Startpunkt väljs slumpmässigt mellan 1 och $$k$$;
* Välj varje $$k$$:te element från ordnad population.

## Sammanfattning av metoder

* **Enkel slumpmässig:** lika chans för alla, inga upprepningar;
* **Stratifierad:** säkerställer representation av undergrupper;
* **Kluster:** väljer slumpmässigt hela grupper;
* **Systematisk:** väljer med fasta intervall efter slumpmässig start.

Vilken funktion används för enkel slumpmässig stickprovstagning utan återläggning?

Behärska de matematiska grunderna som är avgörande för data science. Utforska centrala begrepp inom funktioner, analys, linjär algebra, sannolikhet och dimensionsreduktion. Bygg både teoretisk förståelse och praktisk kodningsvana för att stärka din förmåga att analysera data, modellera komplexa system och tillämpa avancerade tekniker inom maskininlärning.

Utforska grunderna för matematiska funktioner. Lär dig olika typer av algebraiska och transcendenta funktioner, deras egenskaper och hur de implementeras i Python för att lösa verkliga problem.

Behärska begreppen mängder och serier, från grundläggande operationer till praktiska tillämpningar. Få praktisk erfarenhet av att implementera mängdoperationer och arbeta med aritmetiska och geometriska serier i Python.

Utveckla en gedigen förståelse för gränsvärden, derivator, integraler och partiella derivator. Knyt samman teori och praktik genom att implementera dessa begrepp i Python och tillämpa dem på optimering med hjälp av gradientnedstigning.

Bygg gedigna kunskaper om vektorer, matriser och transformationer. Lär dig dekompositionsmetoder och egenvärdesanalys, samtidigt som begreppen förstärks med Python-programmeringsutmaningar och praktiska tillämpningar inom data science.

Fördjupa dig i sannolikhetsteori och statistik. Studera betingad sannolikhet, Bayes sats och statistiska mått. Implementera centrala koncept i Python, simulera fördelningar och stärk dina färdigheter genom utmaningar och frågesporter.

Implementering av Sampling i Python

Enkel slumpmässig stickprovstagning

Stratifierat urval

Klusterurval

Systematiskt urval

Sammanfattning av metoder