표본분포 만들기

Python으로 살펴보는 표본추출(Sampling)

James Chapman

Curriculum Manager, DataCamp

같은 코드, 다른 결과

coffee_ratings.sample(n=30)['total_cup_points'].mean()

82.53066666666668

coffee_ratings.sample(n=30)['total_cup_points'].mean()

81.97566666666667

coffee_ratings.sample(n=30)['total_cup_points'].mean()

82.68

coffee_ratings.sample(n=30)['total_cup_points'].mean()

81.675

같은 코드, 1000번 실행

mean_cup_points_1000 = []

for i in range(1000):
    mean_cup_points_1000.append(
        coffee_ratings.sample(n=30)['total_cup_points'].mean()
    )

print(mean_cup_points_1000)

[82.11933333333333, 82.55300000000001, 82.07266666666668, 81.76966666666667, 
...
 82.74166666666666, 82.45033333333335, 81.77199999999999, 82.8163333333333]

표본 크기 30의 표본평균 분포

import matplotlib.pyplot as plt
plt.hist(mean_cup_points_1000, bins=30)
plt.show()

표본분포(sampling distribution)는 점추정치 복제본들의 분포입니다.

표본평균 히스토그램.

서로 다른 표본 크기

표본 크기: 6

표본 크기 6의 표본평균 히스토그램.

표본 크기: 150

표본 크기 150의 표본평균 히스토그램.

연습해 봅시다!

Python으로 살펴보는 표본추출(Sampling)