Bekvämlighetsurval

Urval i R

Richie Cotton

Data Evangelist at DataCamp

Literary Digests valförutsägelse

En framsida av Literary Digest från 1936 med en rubrik om valförutsägelser. Landon förväntades få 1,3 miljoner röster och Roosevelt knappt 1 miljon röster.

Förutsägelse: Landon 57 %; Roosevelt 43 %
Faktiskt utfall: Landon fick 38 %; Roosevelt fick 62 %
Urvalet var inte representativt för populationen, vilket orsakade urvalssnedvridning.
Att samla in data på enklaste möjliga sätt kallas bekvämlighetsurval.

Beräkna medelåldern för den franska befolkningen

Ett foto av Disneyland Paris.

Intervjua 10 personer på Disneyland Paris.
Deras medelålder är 24,6 år.
Ger det en bra uppskattning för hela Frankrike?

¹ Foto av Sean MacEntee

Hur träffsäker var undersökningen?

År	Genomsnittlig fransk ålder
1975	31,6
1985	33,6
1995	36,2
2005	38,9
2015	41,2

24,6 år är en dålig uppskattning.
Besökare på Disneyland är inte representativa för hela befolkningen.

Bekvämlighetsurval av kaffebetyg

coffee_ratings %>% 
  summarize(mean_cup_points = mean(total_cup_points))

  mean_cup_points
1           82.09

coffee_ratings_first10 <- coffee_ratings %>% 
  slice_head(n = 10)

coffee_ratings_first10 %>% 
  summarize(mean_cup_points = mean(total_cup_points))

  mean_cup_points
1            89.1

Visualisera urvalssnedvridning

coffee_ratings %>%
  ggplot(aes(x = total_cup_points)) +
  geom_histogram(binwidth = 2)

Ett histogram över poäng från populationen.

coffee_ratings_first10 %>%
  ggplot(aes(x = total_cup_points)) +
  geom_histogram(binwidth = 2) +
  xlim(59, 91)

Ett histogram över poäng från urvalet.

Visualisera urvalssnedvridning 2

coffee_ratings %>%
  ggplot(aes(x = total_cup_points)) +
  geom_histogram(binwidth = 2)

Ett histogram över poäng från populationen.

coffee_ratings %>%
  slice_sample(n = 10) %>% 
  ggplot(aes(x = total_cup_points)) +
  geom_histogram(binwidth = 2) +
  xlim(59, 91)

Ett histogram över poäng från ett slumpmässigt urval.

Nu kör vi en övning!

Urval i R