配额抽样和分层抽样是两种常用的抽样方法，它们在实际应用中有着广泛的应用，这两种方法的主要区别在于抽样过程中对总体的划分方式不同，从而导致了抽样结果的差异。
1、配额抽样(Quota Sampling):
配额抽样是在抽样过程中为每个个体或群体分配一个固定的样本量，使得总体中的每个个体或群体都有一定比例的样本被选中，配额抽样的优点是简单易行，计算公式直观，但缺点是不能保证每个层级都有相同的样本量，可能导致某些层级的样本被过度抽取，而其他层级的样本量不足。
配额抽样的计算公式如下：
n = n1 * (q1/Q1) + n2 * (q2/Q2) + ... + nk * (qk/Qk),其中n为总样本量，n1、n2、...、nk分别为各层级的样本量，q1、q2、...、qk分别为各层级的权重，Q1、Q2、...、Qk分别为各层级的总体容量。
2、分层抽样(Stratified Sampling):
分层抽样是在抽样过程中将总体分为若干个互不重叠的子总体，然后从每个子总体中依次抽取样本，分层抽样的目的是为了保证每个子总体中都有相同比例的样本被选中，从而使得抽样结果更加准确地反映了总体的特征，分层抽样的优点是可以减小抽样误差，提高统计推断的准确性，但缺点是计算复杂度较高，需要预先确定各个子总体的比例。
分层抽样的步骤如下：
a. 将总体按特征进行划分，形成若干个互不重叠的子总体；
b. 从每个子总体中依次抽取样本；
c. 将抽取的样本合并成一个总样本。
配额抽样和分层抽样的主要区别在于抽样过程中对总体的划分方式不同，配额抽样是根据固定的样本量来分配总体，可能导致某些层级的样本被过度抽取，而其他层级的样本量不足；而分层抽样是根据特征将总体划分为若干个子总体，然后从每个子总体中依次抽取样本，可以减小抽样误差，提高统计推断的准确性，在实际应用中，根据具体情况选择合适的抽样方法是非常重要的。
