Campionamento per convenienza

Campionamento in R

Richie Cotton

Data Evangelist at DataCamp

La previsione elettorale di The Literary Digest

Prima pagina di Literary Digest del 1936 con un titolo sulle previsioni elettorali. Si prevedeva che Landon ottenesse 1,3 milioni di voti e Roosevelt poco meno di 1 milione.

Previsione: Landon 57%; Roosevelt 43%
Risultati reali: Landon 38%; Roosevelt 62%
Il campione non rappresenta la popolazione: bias di campionamento.
Raccogliere dati nel modo più facile si chiama campionamento per convenienza.

Trovare l'età media dei francesi

Una foto di Disneyland Paris.

Intervista 10 persone a Disneyland Paris.
La loro età media è 24,6 anni.
È una buona stima per tutta la Francia?

¹ Immagine di Sean MacEntee

Quanto era accurata l'indagine?

Anno	Età media in Francia
1975	31,6
1985	33,6
1995	36,2
2005	38,9
2015	41,2

24,6 anni è una pessima stima.
Chi visita Disneyland non rappresenta l'intera popolazione.

Campionamento per convenienza nelle valutazioni del caffè

coffee_ratings %>% 
  summarize(mean_cup_points = mean(total_cup_points))

  mean_cup_points
1           82.09

coffee_ratings_first10 <- coffee_ratings %>% 
  slice_head(n = 10)

coffee_ratings_first10 %>% 
  summarize(mean_cup_points = mean(total_cup_points))

  mean_cup_points
1            89.1

Visualizzare il bias di selezione

coffee_ratings %>%
  ggplot(aes(x = total_cup_points)) +
  geom_histogram(binwidth = 2)

Un istogramma dei cup points dalla popolazione.

coffee_ratings_first10 %>%
  ggplot(aes(x = total_cup_points)) +
  geom_histogram(binwidth = 2) +
  xlim(59, 91)

Un istogramma dei cup points dal campione.

Visualizzare il bias di selezione 2

coffee_ratings %>%
  ggplot(aes(x = total_cup_points)) +
  geom_histogram(binwidth = 2)

Un istogramma dei cup points dalla popolazione.

coffee_ratings %>%
  slice_sample(n = 10) %>% 
  ggplot(aes(x = total_cup_points)) +
  geom_histogram(binwidth = 2) +
  xlim(59, 91)

Un istogramma dei cup points da un campione casuale.

Esercitiamoci!

Campionamento in R