सैंपलिंग बनाम बूटस्ट्रैप डिस्ट्रीब्यूशन की तुलना
Python में Sampling
James Chapman
Curriculum Manager, DataCamp
कॉफी-केन्द्रित सबसेट
coffee_sample = coffee_ratings[["variety", "country_of_origin", "flavor"]]\
.reset_index().sample(n=500)
index variety country_of_origin flavor
132 132 Other Costa Rica 7.58
51 51 None United States (Hawaii) 8.17
42 42 Yellow Bourbon Brazil 7.92
569 569 Bourbon Guatemala 7.67
.. ... ... ... ...
643 643 Catuai Costa Rica 7.42
356 356 Caturra Colombia 7.58
494 494 None Indonesia 7.58
169 169 None Brazil 7.81
[500 rows x 4 columns]
मीन कॉफी फ्लेवर का बूटस्ट्रैप
import numpy as np
mean_flavors_5000 = []
for i in range(5000):
mean_flavors_5000.append(
np.mean(coffee_sample.sample(frac=1, replace=True)['flavor'])
)
bootstrap_distn = mean_flavors_5000
मीन फ्लेवर का बूटस्ट्रैप डिस्ट्रीब्यूशन
import matplotlib.pyplot as plt
plt.hist(bootstrap_distn, bins=15)
plt.show()
सैंपल, बूटस्ट्रैप डिस्ट्रीब्यूशन, पॉपुलेशन मीन
सैंपल मीन:
coffee_sample['flavor'].mean()
7.5132200000000005
अनुमानित पॉपुलेशन मीन:
np.mean(bootstrap_distn)
7.513357731999999
वास्तविक पॉपुलेशन मीन:
coffee_ratings['flavor'].mean()
7.526046337817639
मीन की व्याख्या
बूटस्ट्रैप डिस्ट्रीब्यूशन का मीन:
- आमतौर पर सैंपल मीन के क़रीब होता है
- पॉपुलेशन मीन का अच्छा अनुमान नहीं भी हो सकता
बूटस्ट्रैपिंग सैंपलिंग से आए बायस को ठीक नहीं कर सकता
सैंपल sd बनाम बूटस्ट्रैप डिस्ट्रीब्यूशन sd
सैंपल स्टैंडर्ड डिविएशन:
coffee_sample['flavor'].std()
0.3540883911928703
अनुमानित पॉपुलेशन स्टैंडर्ड डिविएशन?
np.std(bootstrap_distn, ddof=1)
0.015768474367958217
सैंपल, बूटस्ट्रैप डिस्ट्रि., पॉप. स्टैंडर्ड डिविएशन
सैंपल स्टैंडर्ड डिविएशन:
coffee_sample['flavor'].std()
0.3540883911928703
अनुमानित पॉपुलेशन स्टैंडर्ड डिविएशन:
standard_error = np.std(bootstrap_distn, ddof=1)
स्टैंडर्ड एरर उस सांख्यिकीय मान का स्टैंडर्ड डिविएशन है जिसमें रुचि है
वास्तविक स्टैंडर्ड डिविएशन:
coffee_ratings['flavor'].std(ddof=0)
0.34125481224622645
standard_error * np.sqrt(500)
0.3525938058821761
स्टैंडर्ड एरर × सैंपल साइज का वर्गमूल ≈ पॉपुलेशन स्टैंडर्ड डिविएशन का अनुमान
स्टैंडर्ड एरर की व्याख्या
- अनुमानित स्टैंडर्ड एरर → किसी सैंपल स्टैटिस्टिक के लिए बूटस्ट्रैप डिस्ट्रीब्यूशन का स्टैंडर्ड डिविएशन
- $\text{Population std. dev} \approx \text{Std. Error} \times \sqrt{\text{Sample size}}$
अभ्यास करते हैं!
Python में Sampling
