Campionamento casuale stratificato

Analisi dei dati da sondaggio in Python

EbunOluwa Andrew

Data Scientist

Che cos’è il campionamento casuale stratificato

Lo stratificato riflette meglio la popolazione
Si divide la popolazione in unità (strati) con attributi simili
Si ri-campiona per far coincidere le proporzioni con la popolazione

Cambiamento demografico con maggiore diversità nella popolazione

Perché usare il campionamento casuale stratificato?

Riduce il bias di selezione
Aumenta la rappresentatività di certi gruppi
Esempi:
- Stimare il reddito in popolazioni diverse
- Stimare i sondaggi elettorali
- Stimare l’aspettativa di vita

Contapezzi a mano per contare le persone

Quando non usare il campionamento stratificato

I sottogruppi non devono sovrapporsi
- Se un soggetto cade in più gruppi -> misrappresentazione
Esempio di sovrapposizione in un sondaggio
- Da quanto lavori nel tuo attuale impiego?
  - 1-2 anni
  - 2-4 anni

donna pensierosa

Risultati del sondaggio sul lavoro in sede presso l’azienda ABC

| employee_id | gender | onsite_work |
|-------------|--------|-------------|
|    fffe6838 | Male   | Yes         |
|   fffe12184 | Female | Yes         |
|    fffe9404 | Female | Yes         |
|   fffe17578 | Male   | Yes         |
|   fffe22257 | Female | Yes         |
|    fffe6217 | Male   | Yes         |
|    fffe7828 | Female | Yes         |
|   fffe18192 | Male   | Yes         |
|    fffe2839 | Female | Yes         |
|   fffe16173 | Female | Yes         |

Verifica le proporzioni sulla popolazione

survey.gender.value_counts(normalize=True)

Female    0.556
Male      0.444
Name: gender, dtype: float64

Grafica le proporzioni sulla popolazione

import pandas as pd
import matplotlib.pyplot as plt

survey.gender.value_counts().plot.pie()

Rapporto donne/uomini nel sondaggio

Esempio di campionamento stratificato

strat_sample = 
survey.groupby(
  'gender', group_keys = False).apply(
  lambda x: x.sample(frac = 0.1))

| employee_id | gender | onsite_work |
|-------------|--------|-------------|
|    fffe4934 | Female | Yes         |
|    fffe3958 | Female | Yes         |
|      fffe18 | Female | Yes         |
|     fffe283 | Female | Yes         |
|   fffe20382 | Female | Yes         |
|    fffe8721 | Male   | Yes         |
|    fffe5955 | Male   | Yes         |
|    fffe7081 | Male   | Yes         |
|     fffe353 | Male   | Yes         |
|    fffe1765 | Male   | Yes         |

Verifica le proporzioni sul campione

Popolazione originale

survey.gender.value_counts(normalize=True)

Campione stratificato

strat_sample.gender.value_counts(
  normalize=True))

Female    0.556
Male      0.444
Name: gender, dtype: float64

Female    0.56
Male      0.44
Name: gender, dtype: float64

Vamos praticar!

Analisi dei dati da sondaggio in Python