Moyennes de la population et des distributions d'échantillonnage
L'un des avantages des distributions d'échantillonnage, c'est qu'on peut les quantifier. Plus précisément, on peut en calculer des statistiques sommaires. Ici, vous allez examiner le lien entre la moyenne de la distribution d'échantillonnage et la moyenne du paramètre de population.
Trois distributions d'échantillonnage sont fournies. Pour chacune, l'ensemble de données sur l'attrition des employé·e·s a été échantillonné au moyen d'un échantillonnage aléatoire simple, puis la moyenne de l'attrition a été calculée. L'opération a été répétée 1000 fois pour obtenir une distribution d'échantillonnage des moyennes d'attrition. Une distribution d'échantillonnage utilise une taille d'échantillon de 5 pour chaque réplication, une autre de 50 et une autre de 500.
attrition_pop, sampling_distribution_5, sampling_distribution_50, et sampling_distribution_500 sont disponibles; numpy sous le nom np est chargé.
Cette activité fait partie du cours
Échantillonnage en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Calculate the mean of the mean attritions for each sampling distribution
mean_of_means_5 = ____
mean_of_means_50 = ____
mean_of_means_500 = ____
# Print the results
print(mean_of_means_5)
print(mean_of_means_50)
print(mean_of_means_500)