Clustersampling

Steekproeven in Python

James Chapman

Curriculum Manager, DataCamp

Gestratificeerd vs. clustersampling

Gestratificeerde steekproef

Verdeel de populatie in subgroepen
Gebruik eenvoudige aselecte steekproef in elke subgroep

Clustersampling

Gebruik eenvoudige aselecte steekproef om enkele subgroepen te kiezen
Neem alleen in die subgroepen een eenvoudige aselecte steekproef

Koffievariëteiten

Koffiebonen gerangschikt in rijen en kolommen.

varieties_pop = list(coffee_ratings['variety'].unique())

[None, 'Other', 'Bourbon', 'Catimor', 
'Ethiopian Yirgacheffe','Caturra', 
'SL14', 'Sumatra', 'SL34', 'Hawaiian Kona',
'Yellow Bourbon', 'SL28', 'Gesha', 'Catuai',
'Pacamara', 'Typica', 'Sumatra Lintong',
'Mundo Novo', 'Java', 'Peaberry', 'Pacas',
'Mandheling', 'Ruiru 11', 'Arusha',
'Ethiopian Heirlooms', 'Moka Peaberry',
'Sulawesi', 'Blue Mountain', 'Marigojipe', 
'Pache Comun']

Fase 1: steekproef voor subgroepen

Koffiebonen in rijen en kolommen; alle grijs behalve drie.

import random
varieties_samp = random.sample(varieties_pop, k=3)

['Hawaiian Kona', 'Bourbon', 'SL28']

Fase 2: steekproef per groep

variety_condition = coffee_ratings['variety'].isin(varieties_samp)
coffee_ratings_cluster = coffee_ratings[variety_condition]

coffee_ratings_cluster['variety'] = coffee_ratings_cluster['variety'].cat.remove_unused_categories()

coffee_ratings_cluster.groupby("variety")\
    .sample(n=5, random_state=2021)

Fase 2-output

                    total_cup_points        variety       country_of_origin  ...
variety                                                                       
Bourbon       575              82.83        Bourbon               Guatemala   
              560              82.83        Bourbon               Guatemala   
              524              83.00        Bourbon               Guatemala   
              1140             79.83        Bourbon               Guatemala   
              318              83.67        Bourbon                  Brazil   
Hawaiian Kona 1291             73.67  Hawaiian Kona  United States (Hawaii)   
              1266             76.25  Hawaiian Kona  United States (Hawaii)   
              488              83.08  Hawaiian Kona  United States (Hawaii)   
              461              83.17  Hawaiian Kona  United States (Hawaii)   
              117              84.83  Hawaiian Kona  United States (Hawaii)   
SL28          137              84.67           SL28                   Kenya   
              452              83.17           SL28                   Kenya   
              224              84.17           SL28                   Kenya   
              66               85.50           SL28                   Kenya   
              559              82.83           SL28                   Kenya

Meertrapssteekproef

Clustersampling is een vorm van meertrapssteekproef
Kan > 2 fasen hebben
Bijv. landelijke enquêtes nemen steekproeven van staten, counties, steden en buurten

Laten we oefenen!

Steekproeven in Python