Eșantionare și estimări punctuale

Eșantionare în R

Richie Cotton

Data Evangelist at DataCamp

Estimarea populației Franței

O hartă a Franței.

Un recensământ întreabă fiecare gospodărie câte persoane locuiesc acolo.

Franța are o populație foarte mare

O hartă a Franței cu pictograme de persoane.

Recensământurile sunt foarte costisitoare!

Eșantionarea gospodăriilor

O hartă a Franței cu pictograme de persoane, unele evidențiate.

Este mai ieftin să intervievați un număr mic de gospodării și să utilizați statistici pentru estimări despre întreaga populație.

Lucrarea cu un subset al populației se numește eșantionare.

Populație vs. eșantion

Populația este setul complet de date.

Nu trebuie să se refere la persoane.
De obicei, nu cunoașteți întreaga populație.

Eșantionul este subsetul de date pe care îl analizați.

Setul de date privind evaluarea cafelei

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

Fiecare rând reprezintă 1 cafea.
1138 de rânduri.
Vom trata aceasta ca populație.

Puncte vs. aromă: populație

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

Puncte vs. aromă: eșantion de 10 rânduri

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

Eșantionare în R de bază

Utilizați slice_sample() pentru cadre de date și sample() pentru vectori.

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

Parametri de populație și estimări punctuale

Un parametru de populație este un calcul efectuat pe setul de date al populației.

mean(pts_vs_flavor_pop$total_cup_points)

82.15

O estimare punctuală sau statistică de eșantion este un calcul efectuat pe setul de date al eșantionului.

mean(cup_points_samp)

82.82

Estimări punctuale cu dplyr

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

Să exersăm!

Eșantionare în R