分层随机抽样（StratifiedRandomSampling）是一种概率抽样方法，适用于总体内部存在明显分层结构的情况。该方法首先将总体划分为若干个互不重叠的子群组（称为“层”），确保每一层内部具有较高的同质性，而不同层之间则存在明显的异质性。随后，在每个层内独立进行简单随机抽样，最终合并各层的样本构成完整样本集。分层随机抽样的核心优势在于能提高估计精度，尤其当目标变量在层间差异显著时。通过确保每一层在样本中均有代表，该方法可有效减少抽样误差，尤其适用于总体分布不均匀的场景（如人口统计、收入水平等）。常见的分层依据包括性别、年龄、地域、教育程度等分类变量。其关键步骤包括：1.确定分层变量（StratificationVariable）2.将总体划分为互斥的层（Strata）3.决定各层抽样比例（比例分配或非比例分配）4.在各层内独立执行随机抽样与简单随机抽样相比，分层抽样在层间差异大时效率更高，但需依赖准确的分层信息，且设计复杂度略高。
