Стратифицированная случайная выборка

Анализ данных опросов на Python

EbunOluwa Andrew

Data Scientist

Что такое стратифицированная случайная выборка

Стратифицированная выборка лучше отражает генеральную совокупность
Метод, при котором совокупность делится на группы (страты) по схожим признакам
Предполагает повторную выборку так, чтобы пропорции соответствовали генеральной совокупности

Демографические изменения как отражение разнообразия в составе населения

Зачем использовать стратифицированную случайную выборку?

Снижает ошибку отбора
Повышает представленность отдельных групп
Примеры применения:
- Оценка дохода для разных групп населения
- Оценка результатов выборов
- Оценка ожидаемой продолжительности жизни

Ручной счётчик для подсчёта людей

Когда не следует использовать стратифицированную случайную выборку

Подгруппы не должны пересекаться
- Если субъект попадает в несколько групп — возникает искажение
Пример пересечения в вопросе анкеты
- Как долго вы работаете на нынешнем месте?
  - 1–2 года
  - 2–4 года

Задумчивая женщина

Результаты опроса о работе в офисе в компании ABC

| employee_id | gender | onsite_work |
|-------------|--------|-------------|
|    fffe6838 | Male   | Yes         |
|   fffe12184 | Female | Yes         |
|    fffe9404 | Female | Yes         |
|   fffe17578 | Male   | Yes         |
|   fffe22257 | Female | Yes         |
|    fffe6217 | Male   | Yes         |
|    fffe7828 | Female | Yes         |
|   fffe18192 | Male   | Yes         |
|    fffe2839 | Female | Yes         |
|   fffe16173 | Female | Yes         |

Проверка пропорций в генеральной совокупности

survey.gender.value_counts(normalize=True)

Female    0.556
Male      0.444
Name: gender, dtype: float64

Визуализация пропорций генеральной совокупности

import pandas as pd
import matplotlib.pyplot as plt

survey.gender.value_counts().plot.pie()

Соотношение женщин и мужчин в опросе

Пример стратифицированной выборки

strat_sample = 
survey.groupby(
  'gender', group_keys = False).apply(
  lambda x: x.sample(frac = 0.1))

| employee_id | gender | onsite_work |
|-------------|--------|-------------|
|    fffe4934 | Female | Yes         |
|    fffe3958 | Female | Yes         |
|      fffe18 | Female | Yes         |
|     fffe283 | Female | Yes         |
|   fffe20382 | Female | Yes         |
|    fffe8721 | Male   | Yes         |
|    fffe5955 | Male   | Yes         |
|    fffe7081 | Male   | Yes         |
|     fffe353 | Male   | Yes         |
|    fffe1765 | Male   | Yes         |

Проверка пропорций в выборке

Исходная генеральная совокупность

survey.gender.value_counts(normalize=True)

Стратифицированная выборка

strat_sample.gender.value_counts(
  normalize=True))

Female    0.556
Male      0.444
Name: gender, dtype: float64

Female    0.56
Male      0.44
Name: gender, dtype: float64

Давайте потренируемся!

Анализ данных опросов на Python