Échantillonnage aléatoire stratifié et pondéré
Échantillonnage en R
Richie Cotton
Data Evangelist at DataCamp
Cafés par pays
top_counts <- coffee_ratings %>%
count(country_of_origin, sort = TRUE) %>%
head()
# A tibble: 6 x 2
country_of_origin n
<chr> <int>
1 Mexico 236
2 Colombia 183
3 Guatemala 181
4 Brazil 132
5 Taiwan 75
6 United States (Hawaii) 73
1 Le jeu de données répertorie Hawaii et Taïwan comme pays pour des raisons de commodité, car ce sont des régions phares de culture du café.
Filtrer pour 6 pays
top_counted_countries <- c(
"Mexico", "Colombia", "Guatemala",
"Brazil", "Taiwan", "United States (Hawaii)"
)
coffee_ratings_top <- coffee_ratings %>%
filter(country_of_origin %in% top_counted_countries)
Ou, de façon équivalente
coffee_ratings_top <- coffee_ratings %>%
semi_join(top_counts)
1 Pour en savoir plus sur les semi-jonctions, voir « Joining Data with dplyr », chapitre 3.
Décomptes d'un échantillon aléatoire simple
coffee_ratings_samp <- coffee_ratings_top %>%
slice_sample(prop = 0.1)
coffee_ratings_samp %>%
count(country_of_origin, sort = TRUE) %>%
mutate(percent = 100 * n / sum(n))
# A tibble: 6 x 3
country_of_origin n percent
<chr> <int> <dbl>
1 Guatemala 24 27.3
2 Mexico 23 26.1
3 Brazil 12 13.6
4 Colombia 11 12.5
5 Taiwan 9 10.2
6 United States (Hawaii) 9 10.2
Comparer les décomptes
Population
# A tibble: 6 x 3
country_of_origin n percent
<chr> <int> <dbl>
1 Mexico 236 26.8
2 Colombia 183 20.8
3 Guatemala 181 20.6
4 Brazil 132 15
5 Taiwan 75 8.52
6 United States (Hawaii) 73 8.30
Échantillon de 10 %
# A tibble: 6 x 3
country_of_origin n percent
<chr> <int> <dbl>
1 Guatemala 24 27.3
2 Mexico 23 26.1
3 Brazil 12 13.6
4 Colombia 11 12.5
5 Taiwan 9 10.2
6 United States (Hawaii) 9 10.2
Échantillonnage stratifié proportionnel
coffee_ratings_strat <- coffee_ratings_top %>%
group_by(country_of_origin) %>%
slice_sample(prop = 0.1) %>%
ungroup()
coffee_ratings_strat %>%
count(country_of_origin, sort = TRUE) %>%
mutate(percent = 100 * n / sum(n))
# A tibble: 6 x 3
country_of_origin n percent
<chr> <int> <dbl>
1 Mexico 23 26.7
2 Colombia 18 20.9
3 Guatemala 18 20.9
4 Brazil 13 15.1
5 Taiwan 7 8.14
6 United States (Hawaii) 7 8.14
Échantillonnage stratifié à décomptes égaux
coffee_ratings_eq <- coffee_ratings_top %>%
group_by(country_of_origin) %>%
slice_sample(n = 15) %>%
ungroup()
coffee_ratings_eq %>%
count(country_of_origin, sort = TRUE) %>%
mutate(percent = 100 * n / sum(n))
# A tibble: 6 × 3
country_of_origin n percent
<chr> <int> <dbl>
1 Brazil 15 16.7
2 Colombia 15 16.7
3 Guatemala 15 16.7
4 Mexico 15 16.7
5 Taiwan 15 16.7
6 United States (Hawaii) 15 16.7
Échantillonnage aléatoire pondéré
coffee_ratings_weight <- coffee_ratings_top %>%
mutate(
weight = ifelse(country_of_origin == "Taiwan", 2, 1)
) %>%
slice_sample(prop = 0.1, weight_by = weight)
coffee_ratings_weight %>%
count(country_of_origin, sort = TRUE) %>%
mutate(percent = 100 * n / sum(n))
Échantillon pondéré de 10 %
# A tibble: 6 x 3
country_of_origin n percent
<chr> <int> <dbl>
1 Mexico 23 26.1
2 Guatemala 20 22.7
3 Taiwan 15 17.0
4 Brazil 12 13.6
5 Colombia 10 11.4
6 United States (Hawaii) 8 9.09
Passons à la pratique !
Échantillonnage en R
