Średnie populacji i rozkładu próbkowania
Jedną z przydatnych właściwości rozkładów próbkowania jest to, że można je skwantyfikować – a dokładniej: obliczać na ich podstawie statystyki opisowe. Przyjrzysz się teraz zależności między średnią rozkładu próbkowania a średnią parametru populacji.
Dostępne są trzy rozkłady próbkowania. Dla każdego z nich zbiór danych dotyczących rotacji pracowników był próbkowany metodą prostego losowania, a następnie obliczano średnią rotację. Operację tę powtórzono 1000 razy, otrzymując rozkład próbkowania średnich rotacji. Każdy z rozkładów powstał przy innej wielkości próby: 5, 50 lub 500 replik.
Dostępne są: attrition_pop, sampling_distribution_5, sampling_distribution_50 oraz sampling_distribution_500; numpy jest załadowane jako np.
To ćwiczenie jest częścią kursu
Próbkowanie w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)