Olhe para esses dois conjuntos de pontos e pense: qual deles parece mais "aleatório" para você? A distribuição na figura da esquerda é claramente desigual. Há lugares em que os pontos são condensados e também há lugares em que quase não há pontos: por isso, pode até parecer que o gráfico esquerdo está mais escuro. Na figura à direita, condensações e rarefações locais também estão presentes, mas são menos evidentes.
![](https://habrastorage.org/webt/sx/r2/ks/sxr2ks7jjoyc52bev0bh-pbs4ss.png)
Enquanto isso, foi o gráfico da esquerda que foi obtido usando o gerador de números aleatórios “honesto”. O gráfico da direita também contém pontos completamente aleatórios; mas esses pontos são gerados para que todos os pequenos quadrados contenham um número igual de pontos.
Estratificação é um método de seleção de um subconjunto de objetos da população em geral, dividido em subconjuntos (estratos). Durante a estratificação, os objetos são selecionados para que a amostra final retenha a proporção do tamanho dos estratos (ou de maneira controlada violou essas proporções, consulte o parágrafo 3). Digamos, no exemplo considerado, a população em geral é pontos dentro de um quadrado de unidade; estratos são conjuntos de pontos dentro de quadrados menores.
. , . , - .
1. :
![](https://habrastorage.org/webt/im/hc/vi/imhcvikbqqz6pknwuhyhdttdzu4.png)
, , — , 0.4. . -.
![](https://habrastorage.org/webt/fa/gd/2o/fagd2oblunypcy_uglwon59_xsw.png)
() :
import random
random.seed(100)
for i in range(500):
x, y = random.random(), random.random()
print x, y
, : , ; . , , , .
import random
random.seed(100)
cellsCount = 10
cellId = 0
for i in range(500):
cellVerticalIdx = (cellId / cellsCount) % cellsCount
cellHorizontalIdx = cellId % cellsCount
cellId += 1
left = float(cellVerticalIdx + 0) / cellsCount
right = float(cellVerticalIdx + 1) / cellsCount
top = float(cellHorizontalIdx + 1) / cellsCount
bottom = float(cellHorizontalIdx + 0) / cellsCount
x, y = random.random(), random.random()
x = left + x * (right - left)
y = bottom + y * (top - bottom)
print x, y
— . , — .
![](https://habrastorage.org/webt/fa/k2/hi/fak2hiyahreuja-vnxb45igulgg.png)
, , , .
, . ! , , , .
2. -
.
: , . , , . , .
: , .. . , , . , . , , — .
. :
![](https://habrastorage.org/webt/dn/i9/cs/dni9csdsey9dzt8jb7jaij4qnfu.png)
. , . , «» , , . , , !
, , -, .. , . ( ), :
![](https://habrastorage.org/webt/s4/dm/yg/s4dmygmplkmt3x-oxwxlbw0ebsq.png)
, , , . , , , , .
3.
-, -: , , , . A/B- , , , 0.5% , .
( , , ..), , .
Online Stratified Sampling: Evaluating Classifiers at Web-Scale Microsoft Research, .
, , .
— . - .
:
, !
, - :
, . , .
, : . , - , , .
![](https://habrastorage.org/webt/bg/da/tv/bgdatve6qhycl68qpnfwz6st4oq.jpeg)
, , . - SimilarWeb Alexa - , . , . , , .
: ? ? ?
Se não houver respostas ou forem insatisfatórias, pode ser que os dados o enganem.