Amostragem por conglomerados

Análise de dados de pesquisa em Python

EbunOluwa Andrew

Data Scientist

O que é amostragem por conglomerados?

  • População inteira dividida em vários subgrupos

    • Subgrupos têm características similares à população

  • População -> Conglomerados

  • Não seleciona indivíduos, e sim o subgrupo inteiro aleatoriamente

gráfico de pizza composto por pessoas

Análise de dados de pesquisa em Python

Por que a amostragem por conglomerados é importante

  • Nem sempre dá para coletar dados de toda a população
  • Reduz o erro devido ao grande tamanho da população

superpopulação

Análise de dados de pesquisa em Python

Etapas da análise por conglomerados

  • Primeiro, divida a população em conglomerados
  • Depois, faça a seleção aleatória desses conglomerados

conglomerado de pessoas

Análise de dados de pesquisa em Python

Conjunto de dados de exemplo

print(mh_survey)

| gender | sought_treatment | country_work             |
|--------|------------------|--------------------------|
| Male   |                0 | United Kingdom           |
| Male   |                1 | United States of America |
| Male   |                1 | United Kingdom           |
| Male   |                1 | United Kingdom           |
| Female |                1 | United States of America |
| Male   |                1 | United Kingdom           |
| Male   |                0 | United States of America |
...
Análise de dados de pesquisa em Python

Conjunto de dados e gráfico de exemplo

mh_survey.groupby('country_work')[
  'gender'].count()

groups = mh_survey.groupby(
  'country_work')['gender'].count(
).reset_index()

groups.columns=['country_work','count']

groups.plot.bar(x='country_work',
                y='count')

gráfico de barras de onde moram profissionais de tecnologia

1 _dados parciais plotados devido ao espaço_
Análise de dados de pesquisa em Python

Escolher conglomerados

unique_countries = list(set(mh_survey.country_work))

random_clusters = np.random.choice(unique_countries, size = 10, replace = False)

print(random_clusters)

array(['Finland', 'Australia', 'Sweden', 'South Africa', 'Pakistan',
       'France', 'Ecuador', 'United Arab Emirates', 'United Kingdom',
       'Bangladesh'], dtype='<U24')
Análise de dados de pesquisa em Python

Criar amostra por conglomerados

cluster_sample = mh_survey[mh_survey.country_work.isin(random_clusters)]
print(cluster_sample.head())

| gender | sought_treatment | US_state_live        |
|--------|------------------|----------------------|
| Male   |                1 |             Pakistan |
| Male   |                1 |             Pakistan |
| Male   |                1 | United Arab Emirates |
| Male   |                1 |             Pakistan |
| Female |                0 |           Bangladesh |
Análise de dados de pesquisa em Python

Plotar amostra por conglomerados

treatment_pie = cluster_sample.sought_treatment.value_counts(normalize = True)
treatment_pie.plot.pie()

gráfico de pizza de sought_treatment

Análise de dados de pesquisa em Python

Plotar amostra por conglomerados

array(['Bangladesh', 'South Africa', 'Other', 'Norway', 'Poland',
       'Romania', 'New Zealand', 'France', 'United States of America',
       'Bulgaria'], dtype='<U24')

gráfico de pizza de sought_treatment

Análise de dados de pesquisa em Python

Vamos praticar!

Análise de dados de pesquisa em Python

Preparing Video For Download...