抽样与点估计

R 中的抽样

Richie Cotton

Data Evangelist at DataCamp

估计法国人口

法国地图。

人口普查会询问每个住户居住人数。

法国人口很多

法国地图，上有人物图标。

人口普查非常昂贵！

抽样住户

法国地图，上有人物图标，部分高亮。

询问少量住户并用统计方法估计整个总体，成本更低。

使用总体的一个子集称为"抽样"。

总体 vs. 样本

"总体"是完整的数据集。

不一定指人。
通常并不知道总体的全貌。

"样本"是用于计算的数据子集。

咖啡评分数据集

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

每行代表1杯咖啡。
共1138行。
将其视为总体。

总分 vs. 风味：总体

pts_vs_flavor_pop <- coffee_ratings %>% 
  select(total_cup_points, flavor)

dim(pts_vs_flavor_pop)

1338    2

     total_cup_points flavor
1               90.58   8.83
2               89.92   8.67
3               89.75   8.50
4               89.00   8.58
...              ...     ...
1335            78.08   7.67
1336            77.17   7.33
1337            75.08   6.83
1338            73.75   6.67

总分 vs. 风味：10行样本

pts_vs_flavor_samp <- coffee_ratings %>% 
  select(total_cup_points, flavor) %>%
  slice_sample(n = 10)

dim(pts_vs_flavor_samp)

10  2

   total_cup_points flavor
1             82.25   7.58
2             83.50   7.67
3             80.50   7.17
4             79.33   7.17
5             83.83   7.58
6             84.17   7.75
7             83.67   8.17
8             81.92   7.50
9             82.67   7.58
10            83.42   7.67

Base R 抽样

数据框用 slice_sample()，向量用 sample()。

cup_points_samp <- sample(coffee_ratings$total_cup_points, size = 10)

88.25 83.83 83.17 82.67 84.67 83.42 73.67 86.00 81.58 80.92

总体参数与点估计

"总体参数"是在总体数据上计算的。

mean(pts_vs_flavor_pop$total_cup_points)

82.15

"点估计"或"样本统计量"是在样本数据上计算的。

mean(cup_points_samp)

82.82

用 dplyr 做点估计

pts_vs_flavor_pop %>% 
  summarize(mean_flavor = mean(flavor))

  mean_flavor
1       7.526

pts_vs_flavor_samp %>% 
  summarize(mean_flavor = mean(flavor))

  mean_flavor
1       7.716

¡Vamos a practicar!

R 中的抽样