Échantillonnage et estimateurs ponctuels

Échantillonnage en R

Richie Cotton

Data Evangelist at DataCamp

Estimer la population de la France

Une carte de la France.

Un recensement demande à chaque foyer combien de personnes y vivent.

Il y a beaucoup de monde en France

Une carte de la France avec des icônes de personnes.

Les recensements coûtent très cher !

Échantillonner des foyers

Une carte de la France avec des icônes de personnes, dont certaines sont mises en évidence.

Il est moins coûteux d'interroger un petit nombre de foyers et d'utiliser des statistiques pour estimer l'ensemble de la population.

Travailler sur un sous-ensemble de la population s'appelle l'« échantillonnage ».

Population vs échantillon

La population est l'ensemble complet des données.

Elle ne se limite pas aux personnes.
Vous ne connaissez généralement pas toute la population.

L'échantillon est le sous-ensemble sur lequel vous calculez.

Jeu de données d'évaluation du café

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

Chaque ligne représente 1 café.
1138 lignes.
Nous traiterons cela comme la population.

Points vs arôme : population

pts_vs_flavor_pop <- coffee_ratings %>% 
  select(total_cup_points, flavor)

dim(pts_vs_flavor_pop)

1338    2

     total_cup_points flavor
1               90.58   8.83
2               89.92   8.67
3               89.75   8.50
4               89.00   8.58
...              ...     ...
1335            78.08   7.67
1336            77.17   7.33
1337            75.08   6.83
1338            73.75   6.67

Points vs arôme : échantillon de 10 lignes

pts_vs_flavor_samp <- coffee_ratings %>% 
  select(total_cup_points, flavor) %>%
  slice_sample(n = 10)

dim(pts_vs_flavor_samp)

10  2

   total_cup_points flavor
1             82.25   7.58
2             83.50   7.67
3             80.50   7.17
4             79.33   7.17
5             83.83   7.58
6             84.17   7.75
7             83.67   8.17
8             81.92   7.50
9             82.67   7.58
10            83.42   7.67

Échantillonnage en R de base

Utilisez slice_sample() pour les data frames et sample() pour les vecteurs.

cup_points_samp <- sample(coffee_ratings$total_cup_points, size = 10)

88.25 83.83 83.17 82.67 84.67 83.42 73.67 86.00 81.58 80.92

Paramètres de population et estimateurs ponctuels

Un paramètre de population est un calcul effectué sur l'ensemble des données de la population.

mean(pts_vs_flavor_pop$total_cup_points)

82.15

Un estimateur ponctuel ou statistique d'échantillon est un calcul effectué sur l'échantillon.

mean(cup_points_samp)

82.82

Estimateurs ponctuels avec dplyr

pts_vs_flavor_pop %>% 
  summarize(mean_flavor = mean(flavor))

  mean_flavor
1       7.526

pts_vs_flavor_samp %>% 
  summarize(mean_flavor = mean(flavor))

  mean_flavor
1       7.716

Passons à la pratique !

Échantillonnage en R