層化無作為抽出法

Pythonで学ぶアンケートデータ分析

EbunOluwa Andrew

Data Scientist

層化無作為抽出法とは

層化抽出は母集団をより正確に反映
類似属性で母集団を離散的な単位（層）に分ける手法
サンプルを再抽出し、比率を母集団に合わせる

大集団の変化として多様性が変化する人口動態

なぜ層化無作為抽出法を使うのか

選択バイアスを最小化
特定の集団の代表性を高める
例:
- 異なる地域での所得推定
- 世論調査の推定
- 平均寿命の推定

手持ちのカウンターで人数をカウント

層化無作為抽出法を使わない場合

下位集団は重複しないこと
- 複数の群に入る対象は誤表現の原因
質問の重複例
- 現在の勤務先での勤続年数は？
  - 1〜2年
  - 2〜4年

考えている女性

ABC社の出社状況アンケート結果

| 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         |

母集団の比率を確認

survey.gender.value_counts(normalize=True)

Female    0.556
Male      0.444
Name: gender, dtype: float64

母集団の比率を可視化

import pandas as pd
import matplotlib.pyplot as plt

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

調査の女性対男性の比率

層化抽出の例

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         |

サンプルの比率を確認

元の母集団

survey.gender.value_counts(normalize=True)

層化サンプル

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

Passons à la pratique !

Pythonで学ぶアンケートデータ分析