Muestreo aleatorio simple y sistemático

Muestreo en Python

James Chapman

Curriculum Manager, DataCamp

Muestreo aleatorio simple

Una mano saca un papel doblado de una urna de sorteo.

Bombos de lotería girando.

Muestreo aleatorio simple de cafés

Granos de café dispuestos en filas y columnas.

Granos de café en filas y columnas, algunos en gris.

Muestreo aleatorio simple con pandas

coffee_ratings.sample(n=5, random_state=19000113)

     total_cup_points         variety country_of_origin  aroma  flavor  \
437             83.25            None          Colombia   7.92    7.75   
285             83.83  Yellow Bourbon            Brazil   7.92    7.50   
784             82.08            None          Colombia   7.50    7.42   
648             82.58         Caturra          Colombia   7.58    7.50   
155             84.58         Caturra          Colombia   7.42    7.67  

     aftertaste  body  balance  
437        7.25  7.83     7.58  
285        7.33  8.17     7.50  
784        7.42  7.67     7.42  
648        7.42  7.67     7.42  
155        7.75  8.08     7.83

Muestreo sistemático

Granos de café dispuestos en filas y columnas.

Granos de café en filas y columnas, la mayoría en gris salvo los de una diagonal.

Muestreo sistemático: definir el intervalo

sample_size = 5

pop_size = len(coffee_ratings)

print(pop_size)

interval = pop_size // sample_size

print(interval)

Muestreo sistemático: seleccionar las filas

coffee_ratings.iloc[::interval]

      total_cup_points  variety country_of_origin  aroma  flavor  aftertaste  \
0                90.58     None          Ethiopia   8.67    8.83        8.67   
267              83.92     None          Colombia   7.83    7.75        7.58   
534              82.92  Bourbon       El Salvador   7.50    7.50        7.75   
801              82.00   Typica            Taiwan   7.33    7.50        7.17   
1068             80.50    Other            Taiwan   7.17    7.17        7.17   

      body  balance  
0     8.50     8.42  
267   7.75     7.75  
534   7.92     7.83  
801   7.50     7.33  
1068  7.17     7.25

El problema del muestreo sistemático

coffee_ratings_with_id = coffee_ratings.reset_index()
coffee_ratings_with_id.plot(x="index", y="aftertaste", kind="scatter")
plt.show()

Diagrama de dispersión de posgusto frente a los índices.

El muestreo sistemático solo es seguro si no vemos un patrón en este diagrama de dispersión

Cómo hacer seguro el muestreo sistemático

shuffled = coffee_ratings.sample(frac=1)

shuffled = shuffled.reset_index(drop=True).reset_index()

shuffled.plot(x="index", y="aftertaste", kind="scatter")
plt.show()

Diagrama de dispersión de posgusto frente a los índices tras barajar el conjunto.

Barajar filas + muestreo sistemático equivale a muestreo aleatorio simple

¡Vamos a practicar!

Muestreo en Python