Sampling kenyamanan

Sampling di Python

James Chapman

Curriculum Manager, DataCamp

Prediksi pemilu oleh The Literary Digest

Halaman depan Literary Digest tahun 1936 dengan tajuk prediksi pemilu. Landon diperkirakan mendapat 1,3 juta suara, dan Roosevelt sedikit di bawah 1 juta suara.

Prediksi: Landon 57%; Roosevelt 43%
Hasil nyata: Landon 38%; Roosevelt 62%
Sampel tidak mewakili populasi, menimbulkan bias sampel
Mengumpulkan data dengan cara termudah disebut sampling kenyamanan

Mencari usia rata-rata orang Prancis

Foto Disneyland Paris.

Survei 10 orang di Disneyland Paris
Rata-rata usia 24,6 tahun
Apakah ini estimasi yang baik untuk seluruh Prancis?

¹ Gambar oleh Sean MacEntee

Seberapa akurat surveinya?

Tahun	Usia Rata-rata Prancis
1975	31.6
1985	33.6
1995	36.2
2005	38.9
2015	41.2

24,6 tahun adalah estimasi yang buruk
Pengunjung Disneyland tidak mewakili seluruh populasi

Sampling kenyamanan pada penilaian kopi

coffee_ratings["total_cup_points"].mean()

82.15120328849028

coffee_ratings_first10 = coffee_ratings.head(10)

coffee_ratings_first10["total_cup_points"].mean()

89.1

Memvisualisasikan bias seleksi

import matplotlib.pyplot as plt
import numpy as np
coffee_ratings["total_cup_points"].hist(bins=np.arange(59, 93, 2))
plt.show()

coffee_ratings_first10["total_cup_points"].hist(bins=np.arange(59, 93, 2))
plt.show()

Distribusi populasi vs. sampel kenyamanan

Populasi: Histogram poin cangkir dari populasi.

Sampel kenyamanan: Histogram poin cangkir dari sampel.

Memvisualisasikan bias seleksi untuk sampel acak

coffee_sample = coffee_ratings.sample(n=10)
coffee_sample["total_cup_points"].hist(bins=np.arange(59, 93, 2))
plt.show()

Distribusi populasi vs. sampel acak sederhana

Populasi: Histogram poin cangkir dari populasi.

Sampel acak: Histogram poin cangkir dari sampel acak.

Ayo berlatih!

Sampling di Python