표준 오차와 중심극한정리

Python으로 살펴보는 표본추출(Sampling)

James Chapman

Curriculum Manager, DataCamp

평균 컵 점수의 표본분포

표본크기: 5 표본크기 5에서 평균 컵 점수의 근사 표본분포 히스토그램.

표본크기: 20 표본크기 20에서 평균 컵 점수의 근사 표본분포 히스토그램.

표본크기: 80 표본크기 80에서 평균 컵 점수의 근사 표본분포 히스토그램.

표본크기: 320 표본크기 320에서 평균 컵 점수의 근사 표본분포 히스토그램.

독립 표본의 평균은 대략적으로 정규분포를 따른다.

표본크기가 커질수록,

coffee_ratings['total_cup_points'].mean()

82.15120328849028

각 근사 표본분포에 np.mean()을 사용:

coffee_ratings['total_cup_points'].std(ddof=0)

2.685858187306438

표본크기	표본평균의 표준편차	계산	결과
5	`1.1886358227738543`	`2.685858187306438 / sqrt(5)`	`1.201`
20	`0.5940321141669805`	`2.685858187306438 / sqrt(20)`	`0.601`
80	`0.2934024263916487`	`2.685858187306438 / sqrt(80)`	`0.300`
320	`0.13095083089190876`	`2.685858187306438 / sqrt(320)`	`0.150`

Python으로 살펴보는 표본추출(Sampling)