Erreur relative des estimateurs ponctuels

L’échantillonnage en Python

James Chapman

Curriculum Manager, DataCamp

Taille d’échantillon = nombre de lignes

len(coffee_ratings.sample(n=300))

300

len(coffee_ratings.sample(frac=0.25))

334
L’échantillonnage en Python

Tailles d’échantillon variées

coffee_ratings['total_cup_points'].mean()

82.15120328849028

coffee_ratings.sample(n=10)['total_cup_points'].mean()

83.027

coffee_ratings.sample(n=100)['total_cup_points'].mean()

82.4897

coffee_ratings.sample(n=1000)['total_cup_points'].mean()

82.1186
L’échantillonnage en Python

Erreurs relatives

Paramètre de population :

population_mean = coffee_ratings['total_cup_points'].mean()

Estimateur ponctuel :

sample_mean = coffee_ratings.sample(n=sample_size)['total_cup_points'].mean()

Erreur relative en pourcentage :

rel_error_pct = 100 * abs(population_mean-sample_mean) / population_mean
L’échantillonnage en Python

Erreur relative vs. taille d’échantillon

import matplotlib.pyplot as plt
errors.plot(x="sample_size", 
            y="relative_error", 
            kind="line")
plt.show()

Propriétés :

  • Très bruité, surtout pour les petits échantillons
  • Amplitude d’abord raide, puis s’aplatit
  • L’erreur relative tend vers zéro (quand taille échantillon = population)

Courbe de l’erreur relative en fonction de la taille de l’échantillon.

L’échantillonnage en Python

Passons à la pratique !

L’échantillonnage en Python

Preparing Video For Download...