The è una delle tecniche di campionamento di scegliere gli elementi equivalenti. Questi sono specificati come campionamento casuale. Il campionamento è aiutato a sviluppare la base di campionamento; seleziona gli elementi come campionamento randomly.The può essere fatto attraverso la sostituzione. L'assunzione campionamento casuale può essere realizzato dal limite Medio Theory.Random Sampling: Definizione: Il gruppo di indipendenti di opzioni è noto come campione. Il campionamento casuale ha probabilità analoghe indipendenti. Il campionamento casuale è utilizzato per ottenere il campione imparziale. Il campione di n elementi può essere selezionata attraverso gli elementi N della popolazione. Esso comporta l'imprevedibile components.The casuale è in grado di avere il numero di tipi. Il campionamento casuale è una delle ricerca piccola parte rappresentativa dal gruppo di elementi. Il campionamento casuale in grado di scegliere gli elementi da parte degli abitanti attraverso odds.Types identiche di campionamento casuale: Ci sono cinque tipi di sampling.Type casuale 1: semplice sampling.Type casuale 2: sistematica sampling.Type casuale 3: stratificato sampling.Type casuale 4: cluster sampling.Type casuale 5: multistadio sampling.Explanation casuale: Tipo 1: campionamento casuale semplice: Il campionamento casuale semplice è uno dei tipi di campionamento. La scelta unità di elemento non sono dipende dalla popolazione con le possibilità identiche in corso di selezione. La semplice caso sono preferiti dalla dimensione della popolazione elemento N. La modalità scelta è simile alla popolazione diversa probability.Type 2: Systematic campionamento casuale: Il campionamento casuale sistematica è uno dei tipi di campionamento. Gli elementi che scelgono sono fondata sulla base casuale e scegliendo elementi extra sono equamente distanziati intervalli fino a quando le unità previste sono ottenuti. Gli elementi di campionamento stanno scegliendo dalla sistematica o randomly.Type 3: campionamento casuale stratificato: Il campionamento casuale stratificato è uno dei tipi di campionamento. In questo metodo, basato sulla loro caratteristica o variabile popolazione può essere diviso in vari tipi. La parola strato è costituito dalla parola stratificato. Questo esempio può essere selezionando dalla popolazione stratum.Type 4: campionamento casuale Cluster: Il campionamento cluster è uno dei tipi di campionamento. Questo è fondamento di campionamento casuale semplice di scegliere i grappoli da parte della popolazione. I gruppi sono identificati all'interno dei gruppi di campioni. campionamento a grappolo è molto essenziale in questo environment.Type 5 economico: multistadio campionamento casuale: Il campionamento multistadio casuale è uno del tipo s di campionamento. La fusione di campionamento a grappolo accanto tra campionamento casuale semplice è noto come multistadio sampling.Sampling casuale è un tipo di tecnica utilizzata per digitalizzare le informazioni analogiche. Il campionamento è noto come la conversione analogico ad digital.Digital e altri segnali analogici sono forme d'onda continue che vengono analizzati in vari punti di tempo e convertito in campioni digitali. L'accuratezza con la quale i campioni digitali riflettono la loro origine analogica si riferiscono al "frequenza di campionamento" e "dimensione del campione." Definizione di campionamento Teorema: La frequenza del singolo è maggiore o uguale al doppio del massimo della singola frequenza di campionamento. Un segnale di tempo continuo di banda limitata, con una maggiore frequenza fc possono essere recuperati in modo univoco dai suoi campioni, a condizione che la frequenza di campionamento F 'maggiore di' campioni 2FC per second.Derivation di campionamento Teorema: Il teorema del campionamento può essere derivata utilizzando il treno di impulsi considerato in precedenza . Campionamento ideale può essere scritta come una moltiplicazione del segnale x (t) del treno di impulsi periodici '. XS (t) = x (t). deltaT (t) '' xs (t) '- Fourier Transform single'x (t) .deltaT (t)' -Sampling singleBy utilizzando Convalution Teorema, 'xs (t) = x (t). deltaT (t) '' = x (t) .sum_ (n = -oo) ^ oo delta (t-NT) '=' sum_ (n = -oo) ^ oo x (t). delta (t-nT) 'qui,' x (t) = x (nt) '' = sum_ (n = -oo) ^ oo x (nt). delta (t-NT) 'Quindi .....' Xs (w) = F {xs (t)} '' = sum_ (n = -oo) ^ oo x (nt) .F {delta (t-nT )} '' = sum_ (n = -oo) ^ oo x (nT). e ^ - (jomeganT) 'or'Xs (omega) = 1 /(2pi) X (omega). DeltaT (omega) '' = 1 /(2pi) X (omega) * omegao sum_ (k) delta (omega - komegao) '' = 1 /T sum_ (K) X (omega) * delta (omega - k omegao) '' = 1 /T sum_ (k) x (omega - k omegao) 'Se' omega - omegao 'maggiore o uguale a' omegao 'allora non ci sarà alcuna sovrapposizione tra le copie adiacenti dello spettro di' x (t) ' e può essere recuperato utilizzando un filtro passa-basso. Si può vedere da entrambi rappresentazione che 'Xs (t)' è periodica di periodo '(2pi) /T'. Qual è la trasformata di Fourier xs a tempo discreto segnale '(n): = x (NT)? 'Si noti che il segnale discreto è diverso da' xs (t) '. Le "xs (t) 'segnale è un treno di impulsi, e l'area degli impulsi sono uguali ai valori campioni di' x (t). xs (n) 'altra parte è un vero segnale discreto. Per ottenere il DTFT Xf s iniziare con il definition'Xs ^ f (omega) = sum_ (n) xs (n) e ^ (!) (- J omega n) '' = sum_ (n) x (nt) e ^ (-j omega n) 'e confrontare le due rappresentazioni di cui sopra per' Xs (omega) 'per ottenere' (Xs ^ f) (omega) = Xs (omega /T) '