Amostragem e estimativas pontuais

Amostragem em Python

James Chapman

Curriculum Manager, DataCamp

Estimando a população da França

Um mapa da França.

Um censo pergunta a cada domicílio quantas pessoas moram ali.

Amostragem em Python

Há muita gente na França

Um mapa da França com ícones de pessoas.

Censos são bem caros!

Amostragem em Python

Amostrando domicílios

Um mapa da França com ícones de pessoas, alguns destacados.

É mais barato perguntar a poucas casas e usar estatística para estimar a população

Trabalhar com um subconjunto da população inteira se chama amostragem

Amostragem em Python

População vs. amostra

A população é o conjunto completo de dados

  • Não precisa se referir a pessoas
  • Geralmente, não sabemos qual é a população inteira

 

A amostra é o subconjunto em que você calcula

Amostragem em Python

Conjunto de dados de avaliação de cafés

total_cup_points variety country_of_origin aroma flavor aftertaste body balance
90.58 NA Ethiopia 8.67 8.83 8.67 8.50 8.42
89.92 Other Ethiopia 8.75 8.67 8.50 8.42 8.42
... ... ... ... ... ... ... ...
73.75 NA Vietnam 6.75 6.67 6.5 6.92 6.83

 

  • Cada linha representa 1 café
  • 1338 linhas
  • Vamos tratar isso como a população
Amostragem em Python

Pontos vs. sabor: população

pts_vs_flavor_pop = coffee_ratings[["total_cup_points", "flavor"]]

      total_cup_points  flavor
0                90.58    8.83
1                89.92    8.67
2                89.75    8.50
3                89.00    8.58
4                88.83    8.50
...                ...     ...
1333             78.75    7.58
1334             78.08    7.67
1335             77.17    7.33
1336             75.08    6.83
1337             73.75    6.67

[1338 linhas x 2 colunas]
Amostragem em Python

Pontos vs. sabor: amostra de 10 linhas

pts_vs_flavor_samp = pts_vs_flavor_pop.sample(n=10)

      total_cup_points  flavor
1088             80.33    7.17
1157             79.67    7.42
1267             76.17    7.33
506              83.00    7.67
659              82.50    7.42
817              81.92    7.50
1050             80.67    7.42
685              82.42    7.50
1027             80.92    7.25
62               85.58    8.17

[10 linhas x 2 colunas]
Amostragem em Python

Amostragem em Series no Python

  • Use .sample() para DataFrames e Series do pandas
cup_points_samp = coffee_ratings['total_cup_points'].sample(n=10)

1088    80.33
1157    79.67
1267    76.17
...     ... 
685     82.42
1027    80.92
62      85.58
Name: total_cup_points, dtype: float64
Amostragem em Python

Parâmetros populacionais e estimativas pontuais

Um parâmetro populacional é um cálculo feito no conjunto da população

import numpy as np
np.mean(pts_vs_flavor_pop['total_cup_points'])

82.15120328849028

Uma estimativa pontual, ou estatística da amostra, é um cálculo feito na amostra

np.mean(cup_points_samp)

81.31800000000001
Amostragem em Python

Estimativas pontuais com pandas

pts_vs_flavor_pop['flavor'].mean()

7.526046337817639

pts_vs_flavor_samp['flavor'].mean()

7.485000000000001
Amostragem em Python

Vamos praticar!

Amostragem em Python

Preparing Video For Download...