Standardfehler und der zentrale Grenzwertsatz

Stichprobenziehung in Python

James Chapman

Curriculum Manager, DataCamp

Stichprobenverteilung der mittleren Cup Points

Stichprobengröße: 5 Ein Histogramm der ungefähren Stichprobenverteilung der mittleren Cup Points mit Stichprobengröße 5.

Stichprobengröße: 20 Ein Histogramm der ungefähren Stichprobenverteilung der mittleren Cup Points mit Stichprobengröße 20.

Stichprobengröße: 80 Ein Histogramm der ungefähren Stichprobenverteilung der mittleren Cup Points mit Stichprobengröße 80.

Stichprobengröße: 320 Ein Histogramm der ungefähren Stichprobenverteilung der mittleren Cup Points mit Stichprobengröße 320.

Mittelwerte unabhängiger Stichproben sind näherungsweise normalverteilt.

Mit wachsender Stichprobengröße

coffee_ratings['total_cup_points'].mean()

82.15120328849028

Verwende np.mean() auf jeder ungefähren Stichprobenverteilung:

Stichprobengröße	Mittelwert des Stichprobenmittels
5	`82.18420719999999`
20	`82.1558634`
80	`82.14510154999999`
320	`82.154017925`

coffee_ratings['total_cup_points'].std(ddof=0)

2.685858187306438

ddof=0 angeben, wenn .std() für Grundgesamtheiten aufgerufen wird
ddof=1 angeben, wenn np.std() für Stichproben oder Stichprobenverteilungen aufgerufen wird

Stichprobengröße	Stdabw Stichprobenmittel	Berechnung	Ergebnis
5	`1.1886358227738543`	`2.685858187306438 / sqrt(5)`	`1.201`
20	`0.5940321141669805`	`2.685858187306438 / sqrt(20)`	`0.601`
80	`0.2934024263916487`	`2.685858187306438 / sqrt(80)`	`0.300`
320	`0.13095083089190876`	`2.685858187306438 / sqrt(320)`	`0.150`

Stichprobenziehung in Python