Eșantionarea de conveniență

Eșantionare în Python

James Chapman

Curriculum Manager, DataCamp

Predicția electorală a revistei Literary Digest

Coperta revistei Literary Digest din 1936 cu predicții electorale. Landon era așteptat să obțină 1,3 milioane de voturi, Roosevelt aproape 1 milion.

Predicție: Landon 57%; Roosevelt 43%
Rezultat real: Landon 38%; Roosevelt 62%
Eșantionul nu a fost reprezentativ, generând bias de eșantionare
Colectarea datelor prin metoda cea mai facilă se numește eșantionare de conveniență

Fotografie din Disneyland Paris.

¹ Imagine de Sean MacEntee

coffee_ratings["total_cup_points"].mean()

82.15120328849028

coffee_ratings_first10 = coffee_ratings.head(10)

coffee_ratings_first10["total_cup_points"].mean()

89.1

import matplotlib.pyplot as plt
import numpy as np
coffee_ratings["total_cup_points"].hist(bins=np.arange(59, 93, 2))
plt.show()

coffee_ratings_first10["total_cup_points"].hist(bins=np.arange(59, 93, 2))
plt.show()

Populație: Histogramă a punctelor de ceașcă din populație.

Eșantion de conveniență: Histogramă a punctelor de ceașcă din eșantion.

coffee_sample = coffee_ratings.sample(n=10)
coffee_sample["total_cup_points"].hist(bins=np.arange(59, 93, 2))
plt.show()

Populație: Histogramă a punctelor de ceașcă din populație.

Eșantion aleatoriu: Histogramă a punctelor de ceașcă dintr-un eșantion aleatoriu.

Eșantionare în Python