Sampling kemudahan

Sampling di R

Richie Cotton

Data Evangelist at DataCamp

Prediksi pemilu 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 convenience sampling.

Mencari usia rata-rata penduduk Prancis

Foto Disneyland Paris.

Survei 10 orang di Disneyland Paris.
Rata-rata usia mereka 24,6 tahun.
Apakah ini perkiraan 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 perkiraan yang buruk.
Pengunjung Disneyland tidak mewakili seluruh populasi.

Sampling kemudahan pada penilaian kopi

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

Memvisualisasikan bias seleksi

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

Histogram poin cangkir dari populasi.

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

Histogram poin cangkir dari sampel.

Memvisualisasikan bias seleksi 2

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

Histogram poin cangkir dari populasi.

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

Histogram poin cangkir dari sampel acak.

Ayo berlatih!

Sampling di R