Вибірка зручності

Sampling у Python

James Chapman

Curriculum Manager, DataCamp

Передвиборчий прогноз The Literary Digest

Титульна сторінка The Literary Digest за 1936 рік із заголовком про передвиборчі прогнози. Очікували, що Ландон отримає 1,3 мільйона голосів, а Рузвельт — трохи менше 1 мільйона.

Прогноз: Ландон — 57%; Рузвельт — 43%
Фактичні результати: Ландон — 38%; Рузвельт — 62%
Вибірка не репрезентує населення → виникає упередженість вибірки
Збір даних «як простіше» називають вибіркою зручності

Знаходимо середній вік французів

Фото Disneyland Paris.

Опитайте 10 людей у Disneyland Paris
Середній вік — 24,6 року
Чи буде це добрим наближенням для всієї Франції?

¹ Зображення: Sean MacEntee

Наскільки точним було опитування?

Рік	Середній вік у Франції
1975	31,6
1985	33,6
1995	36,2
2005	38,9
2015	41,2

24,6 року — слабке наближення
Люди, що відвідують Disneyland, не репрезентують усе населення

Вибірка зручності для оцінок кави

coffee_ratings["total_cup_points"].mean()

82.15120328849028

coffee_ratings_first10 = coffee_ratings.head(10)

coffee_ratings_first10["total_cup_points"].mean()

89.1

Візуалізація упередженості відбору

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()

Розподіл у генеральній сукупності та у вибірці зручності

Населення: Гістограма балів чашки з генеральної сукупності.

Вибірка зручності: Гістограма балів чашки з вибірки.

Візуалізація упередженості відбору для випадкової вибірки

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

Розподіл у генеральній сукупності та у простій випадковій вибірці

Населення: Гістограма балів чашки з генеральної сукупності.

Випадкова вибірка: Гістограма балів чашки з випадкової вибірки.

Давайте потренуємось!

Sampling у Python