Вибірка та точкові оцінки

Вибірка в R

Richie Cotton

Data Evangelist at DataCamp

Оцінюємо населення Франції

Карта Франції.

Перепис запитує кожне домогосподарство, скільки людей там живе.

У Франції багато людей

Карта Франції з іконками людей.

Переписи дуже дорогі!

Вибірка домогосподарств

Карта Франції з іконками людей, частина з яких підсвічена.

Дешевше опитати небагато домогосподарств і за допомогою статистики оцінити все населення.

Робота з підмножиною всього населення називається вибіркою.

Генеральна сукупність vs вибірка

Генеральна сукупність — це повний набір даних.

Це не обов'язково про людей.
Зазвичай ви не знаєте, якою є вся сукупність.

Вибірка — це підмножина даних, на якій ви рахуєте.

Набір даних із оцінками кави

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

Кожен рядок — це 1 кава.
1138 рядків.
Розглядатимемо це як генеральну сукупність.

Бали vs смак: генеральна сукупність

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

Бали vs смак: вибірка з 10 рядків

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

Вибірка в Base R

Використовуйте slice_sample() для датафреймів і sample() для векторів.

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

Параметри сукупності та точкові оцінки

Параметр сукупності — це обчислення на всьому наборі даних.

mean(pts_vs_flavor_pop$total_cup_points)

82.15

Точкова оцінка або вибіркова статистика — це обчислення на вибірці.

mean(cup_points_samp)

82.82

Точкові оцінки в 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

Давайте потренуємось!

Вибірка в R