การสุ่มตัวอย่างและค่าประมาณจุด

การสุ่มตัวอย่างใน Python

James Chapman

Curriculum Manager, DataCamp

การประมาณจำนวนประชากรของฝรั่งเศส

แผนที่ประเทศฝรั่งเศส

การสำรวจสำมะโนประชากรจะถามทุกครัวเรือนว่ามีคนอาศัยอยู่กี่คน

ฝรั่งเศสมีประชากรจำนวนมาก

แผนที่ประเทศฝรั่งเศสพร้อมไอคอนคน

การสำรวจสำมะโนประชากรมีค่าใช้จ่ายสูงมาก!

การสุ่มตัวอย่างครัวเรือน

แผนที่ประเทศฝรั่งเศสพร้อมไอคอนคน โดยบางคนถูกไฮไลต์ไว้

ประหยัดกว่าถ้าสอบถามครัวเรือนเพียงบางส่วน แล้วใช้สถิติประมาณจำนวนประชากร

การทำงานกับข้อมูลส่วนหนึ่งของประชากรทั้งหมดเรียกว่า การสุ่มตัวอย่าง

ประชากร vs. ตัวอย่าง

ประชากร คือชุดข้อมูลทั้งหมด

ไม่จำเป็นต้องหมายถึงผู้คน
โดยทั่วไปแล้วไม่ทราบข้อมูลประชากรทั้งหมด

ตัวอย่าง คือข้อมูลส่วนหนึ่งที่นำมาคำนวณ

ชุดข้อมูลการให้คะแนนกาแฟ

total_cup_points	variety	country_of_origin	aroma	flavor	aftertaste	body	balance
90.58	NA	Ethiopia	8.67	8.83	8.67	8.50	8.42
89.92	Other	Ethiopia	8.75	8.67	8.50	8.42	8.42
...	...	...	...	...	...	...	...
73.75	NA	Vietnam	6.75	6.67	6.5	6.92	6.83

แต่ละแถวแทนกาแฟ 1 แก้ว
1338 แถว
จะใช้ข้อมูลนี้เป็นประชากร

คะแนนรวม vs. รสชาติ: ประชากร

pts_vs_flavor_pop = coffee_ratings[["total_cup_points", "flavor"]]

      total_cup_points  flavor
0                90.58    8.83
1                89.92    8.67
2                89.75    8.50
3                89.00    8.58
4                88.83    8.50
...                ...     ...
1333             78.75    7.58
1334             78.08    7.67
1335             77.17    7.33
1336             75.08    6.83
1337             73.75    6.67

[1338 rows x 2 columns]

คะแนนรวม vs. รสชาติ: ตัวอย่าง 10 แถว

pts_vs_flavor_samp = pts_vs_flavor_pop.sample(n=10)

      total_cup_points  flavor
1088             80.33    7.17
1157             79.67    7.42
1267             76.17    7.33
506              83.00    7.67
659              82.50    7.42
817              81.92    7.50
1050             80.67    7.42
685              82.42    7.50
1027             80.92    7.25
62               85.58    8.17

[10 rows x 2 columns]

การสุ่มตัวอย่าง Series ใน Python

ใช้ .sample() กับ pandas DataFrames และ Series

cup_points_samp = coffee_ratings['total_cup_points'].sample(n=10)

1088    80.33
1157    79.67
1267    76.17
...     ... 
685     82.42
1027    80.92
62      85.58
Name: total_cup_points, dtype: float64

พารามิเตอร์ประชากร & ค่าประมาณจุด

พารามิเตอร์ประชากร คือค่าที่คำนวณจากชุดข้อมูลประชากรทั้งหมด

import numpy as np
np.mean(pts_vs_flavor_pop['total_cup_points'])

82.15120328849028

ค่าประมาณจุด หรือ สถิติตัวอย่าง คือค่าที่คำนวณจากชุดข้อมูลตัวอย่าง

np.mean(cup_points_samp)

81.31800000000001

ค่าประมาณจุดด้วย pandas

pts_vs_flavor_pop['flavor'].mean()

7.526046337817639

pts_vs_flavor_samp['flavor'].mean()

7.485000000000001

มาฝึกกันเถอะ!

การสุ่มตัวอย่างใน Python