단순 임의추출과 계통추출

R에서의 표본추출

Richie Cotton

Data Evangelist at DataCamp

단순 임의추출

추첨 통에서 접힌 종이를 뽑는 손.

굴러가는 복권 공.

커피의 단순 임의추출

행과 열로 배열된 커피 원두.

행과 열로 배열된 커피 원두. 일부는 회색 처리됨.

R에서 단순 임의추출

set.seed(19000113)
coffee_ratings %>% 
  slice_sample(n = 5)

  total_cup_points variety country_of_origin aroma flavor aftertaste body balance
1            81.00    SL14            Uganda  7.33   6.92       7.17 7.42    7.42
2            85.00 Caturra          Colombia  8.00   7.92       7.75 7.75    7.83
3            85.25 Bourbon         Guatemala  8.00   7.92       7.75 7.92    7.83
4            81.42  Catuai         Guatemala  7.42   7.33       7.08 7.33    7.25
5            82.75 Caturra          Honduras  7.58   7.50       7.42 7.50    7.50

계통추출

행과 열로 배열된 커피 원두.

행과 열로 배열된 커피 원두. 대각선상 일부만 회색이 아님.

행 ID 열 추가

library(tibble)
coffee_ratings <- coffee_ratings %>%
  rowid_to_column()

# A tibble: 1,338 x 9
   rowid total_cup_points variety country_of_origin aroma flavor aftertaste  body balance
   <int>            <dbl> <chr>   <chr>             <dbl>  <dbl>      <dbl> <dbl>   <dbl>
 1     1             90.6 NA      Ethiopia           8.67   8.83       8.67  8.5     8.42
 2     2             89.9 Other   Ethiopia           8.75   8.67       8.5   8.42    8.42
 3     3             89.8 Bourbon Guatemala          8.42   8.5        8.42  8.33    8.42
 4     4             89   NA      Ethiopia           8.17   8.58       8.42  8.5     8.25
 5     5             88.8 Other   Ethiopia           8.25   8.5        8.25  8.42    8.33
...

R에서 계통추출

sample_size <- 5
pop_size <- nrow(coffee_ratings)

interval <- pop_size %/% sample_size

R에서 계통추출 2

row_indexes <- seq_len(sample_size) * interval

267  534  801 1068 1335

coffee_ratings %>% 
  slice(row_indexes)

 # A tibble: 5 x 9
  rowid total_cup_points variety country_of_origin aroma flavor aftertaste  body balance
  <int>            <dbl> <chr>   <chr>             <dbl>  <dbl>      <dbl> <dbl>   <dbl>
1   267             83.9 NA      Colombia           7.92   7.67       7.5   7.58    7.67
2   534             82.9 Bourbon Brazil             7.67   7.58       7.5   7.58    7.5 
3   801             82   Gesha   Malawi             7.5    7.42       7.33  7.33    7.5 
4  1068             80.6 NA      Colombia           7.08   7.25       7     7.08    7.33
5  1335             78.1 NA      Ecuador            7.5    7.67       7.75  5.17    5.25

계통추출의 문제점

coffee_ratings %>% 
  ggplot(aes(x = rowid, y = aftertaste)) +
  geom_point() +
  geom_smooth()

이 산점도에 패턴이 없어야 계통추출이 안전합니다.

행 ID 대비 뒷맛 점수의 산점도.

계통추출을 안전하게 하는 방법

shuffled <- coffee_ratings %>%
  slice_sample(prop = 1) %>% 
  select(- rowid) %>% 
  rowid_to_column()

shuffled %>% 
  ggplot(aes(x = rowid, y = aftertaste)) +
  geom_point() +
  geom_smooth()

행을 섞은 뒤 계통추출하면 단순 임의추출과 동일합니다.

데이터셋을 섞은 후 행 ID 대비 뒷맛 점수의 산점도.

연습해 봅시다!

R에서의 표본추출