Campionamento e stime puntuali

Campionamento in R

Richie Cotton

Data Evangelist at DataCamp

Stimare la popolazione della Francia

Una mappa della Francia.

Un censimento chiede a ogni famiglia quante persone ci vivono.

In Francia ci sono molte persone

Una mappa della Francia con icone di persone.

I censimenti sono davvero costosi!

Campionare le famiglie

Una mappa della Francia con icone di persone, alcune evidenziate.

Costa meno chiedere a poche famiglie e usare la statistica per stimare l'intera popolazione.

Lavorare su un sottoinsieme della popolazione si chiama campionamento.

Popolazione vs. campione

La popolazione è l'intero insieme di dati.

Non deve per forza riferirsi a persone.
In genere non conosci l'intera popolazione.

Il campione è il sottoinsieme di dati su cui fai i calcoli.

Insieme di dati sulle valutazioni del caffè

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

Ogni riga rappresenta 1 caffè.
1138 righe.
Lo tratteremo come la popolazione.

Punteggi vs. flavor: popolazione

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

Punteggi vs. flavor: campione da 10 righe

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

Campionamento Base R

Usa slice_sample() per i data frame e sample() per i vettori.

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

Parametri di popolazione e stime puntuali

Un parametro di popolazione è un calcolo sull'insieme di dati della popolazione.

mean(pts_vs_flavor_pop$total_cup_points)

82.15

Una stima puntuale o statistica campionaria è un calcolo sul dataset campione.

mean(cup_points_samp)

82.82

Stime puntuali con 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

Esercitiamoci!

Campionamento in R