Amostragem e estimativas pontuais

Amostragem em R

Richie Cotton

Data Evangelist at DataCamp

Estimando a população da França

Um mapa da França.

Um censo pergunta a cada domicílio quantas pessoas moram ali.

Amostragem em R

Há muita gente na França

Um mapa da França com ícones de pessoas.

Censos são muito caros!

Amostragem em R

Amostrando domicílios

Um mapa da França com ícones de pessoas, algumas destacadas.

É mais barato perguntar a poucos domicílios e usar estatística para estimar a população toda.

Trabalhar com um subconjunto da população se chama "amostragem".

Amostragem em R

População vs. amostra

A "população" é o conjunto de dados completo.

  • Não precisa se referir a pessoas.
  • Normalmente você não conhece toda a população.

A "amostra" é o subconjunto em que você calcula.

Amostragem em R

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.
  • 1138 linhas.
  • Vamos tratar isso como a população.
Amostragem em R

Pontos vs. sabor: população

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
Amostragem em R

Pontos vs. sabor: amostra de 10 linhas

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
Amostragem em R

Amostragem em base R

Use slice_sample() para data frames e sample() para vetores.

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
Amostragem em R

Parâmetros populacionais e estimativas pontuais

Um "parâmetro populacional" é um cálculo feito no conjunto de dados da população.

mean(pts_vs_flavor_pop$total_cup_points)

82.15

Uma "estimativa pontual" ou "estatística amostral" é um cálculo feito no conjunto de dados da amostra.

mean(cup_points_samp)

82.82
Amostragem em R

Estimativas pontuais com 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
Amostragem em R

Vamos praticar!

Amostragem em R

Preparing Video For Download...