サンプリングと点推定

Pythonで学ぶサンプリング

James Chapman

Curriculum Manager, DataCamp

フランスの人口を推定する

フランスの地図。

国勢調査は全世帯に人数を尋ねる。

フランスには多くの人がいる

人のアイコンがあるフランス地図。

国勢調査はとても高コスト！

世帯のサンプリング

一部の人アイコンが強調表示されたフランス地図。

少数の世帯に聞き、統計で母集団を推定する方が安価

母集団の一部で作業することを「サンプリング」という

母集団と標本

母集団は完全なデータセット

人を指す必要はない
通常、母集団全体は不明

標本は計算に使うデータの部分集合

コーヒー評価データセット

total_cup_points	variety	country_of_origin	aroma	flavor	aftertaste	body	balance
90.58	NA	Ethiopia	8.67	8.83	8.67	8.50	8.42
89.92	Other	Ethiopia	8.75	8.67	8.50	8.42	8.42
...	...	...	...	...	...	...	...
73.75	NA	Vietnam	6.75	6.67	6.5	6.92	6.83

各行はコーヒー1件を表す
1338行
これを母集団として扱う

得点 vs. 風味：母集団

pts_vs_flavor_pop = coffee_ratings[["total_cup_points", "flavor"]]

      total_cup_points  flavor
0                90.58    8.83
1                89.92    8.67
2                89.75    8.50
3                89.00    8.58
4                88.83    8.50
...                ...     ...
1333             78.75    7.58
1334             78.08    7.67
1335             77.17    7.33
1336             75.08    6.83
1337             73.75    6.67

[1338 rows x 2 columns]

得点 vs. 風味：10行の標本

pts_vs_flavor_samp = pts_vs_flavor_pop.sample(n=10)

      total_cup_points  flavor
1088             80.33    7.17
1157             79.67    7.42
1267             76.17    7.33
506              83.00    7.67
659              82.50    7.42
817              81.92    7.50
1050             80.67    7.42
685              82.42    7.50
1027             80.92    7.25
62               85.58    8.17

[10 rows x 2 columns]

Series のサンプリング（Python）

pandas の DataFrame/Series には .sample() を使用

cup_points_samp = coffee_ratings['total_cup_points'].sample(n=10)

1088    80.33
1157    79.67
1267    76.17
...     ... 
685     82.42
1027    80.92
62      85.58
Name: total_cup_points, dtype: float64

母集団母数と点推定

母集団母数は母集団データでの計算

import numpy as np
np.mean(pts_vs_flavor_pop['total_cup_points'])

82.15120328849028

点推定（標本統計量）は標本データでの計算

np.mean(cup_points_samp)

81.31800000000001

pandas での点推定

pts_vs_flavor_pop['flavor'].mean()

7.526046337817639

pts_vs_flavor_samp['flavor'].mean()

7.485000000000001

Passons à la pratique !

Pythonで学ぶサンプリング