Вибірка зручності

Вибірка в R

Richie Cotton

Data Evangelist at DataCamp

Виборчий прогноз Literary Digest

Титульна сторінка журналу Literary Digest за 1936 рік із заголовком про виборчі прогнози. Очікували, що Лендон отримає 1,3 млн голосів, а Рузвельт — трохи менше 1 млн.

Прогноз: Лендон — 57%; Рузвельт — 43%
Факт: Лендон — 38%; Рузвельт — 62%
Вибірка не репрезентує населення — виникає упередженість вибірки.
Збір даних найдоступнішим способом — це вибірка зручності.

Знаходимо середній вік французів

Фото Діснейленду в Парижі.

Опитайте 10 людей у Disneyland Paris.
Їхній середній вік — 24,6 року.
Чи стане це добрим оцінюванням для всієї Франції?

¹ Зображення: Sean MacEntee

Наскільки точним було опитування?

Рік	Середній вік у Франції
1975	31,6
1985	33,6
1995	36,2
2005	38,9
2015	41,2

24,6 року — погана оцінка.
Відвідувачі Disneyland не репрезентують усе населення.

Вибірка зручності: оцінки кави

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

Візуалізація упередженого відбору

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

Гістограма балів чашки для генеральної сукупності.

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

Гістограма балів чашки для вибірки.

Візуалізація упередженого відбору 2

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

Гістограма балів чашки для генеральної сукупності.

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

Гістограма балів чашки для випадкової вибірки.

Давайте потренуємось!

Вибірка в R