大資料時代與採樣分析的區別

大資料時代我們要的是全體資料，不再是樣本資料。 樣本分析發展至今不足100年，在資料和 技術受限的時期，解決了當時存在一些特定問題。 如人口普查，一般統計需要8-10年時間， 而此時資料已經完全不准確，失效。 所以在當時條件下，有人提出採樣的統計學方法。

採樣分析有其固有的特性：絕對隨機性和忽視細節觀察。 採樣的目的是用最少的資料獲取更多的資訊。 絕對隨機性：要求我們在採樣時，要絕對的隨機，然而要做到此，是有難度 的，因為人總是會對同一樣事物有不同的看法。 偏離了隨機性，那麼採樣結果的錯誤率會大大的增加。 忽視細節觀察：採樣在宏觀領域的作用，在微觀領域失去了作用。 就像經濟學上的邊緣理論一樣，當樣本達到一定值之後，個體身上的資訊就會越來越少。

統計學上採樣分析有個非常重要的觀點：採樣分析的準確性隨著隨著採樣隨機性的增加而大幅提高，但與樣本數量的增加關係不大。

當我們現在能夠採集HTTP://www.aliyun.com/zixun/aggregation/13584.html">海量資料的時候，採樣對我們來說就沒有什麼意義了。 在大資料時候採集資料不在是只有大公司才能做的事情，很多公司都可以做得到。

大資料是指不用隨機分析法這樣的方法，而採用所有資料的方法。 雲計算的出現，讓我們採集到海量資料提供的基礎設施，通過雲計算對大資料進行分析，預測，會使決策更準確，釋放更多資料隱藏的價值，發揮更大的作用。

本文是由分享互聯網(HTTP://www.hed236.com)所撰寫，轉載請務必留下連結，謝謝!