1. Nauka
    2. /
  2. Kursy
    3. /
  3. Próbkowanie w Pythonie
Connected

ćwiczenie

Obliczanie błędów względnych

Wielkość próbki wpływa na to, jak dokładnie estymatory punktowe odzwierciedlają odpowiednie parametry populacji. Na przykład obliczona średnia z próbki powinna być zbliżona do średniej populacji. Jednak gdy próbka jest zbyt mała, może tak nie być.

Najczęściej stosowaną miarą dokładności jest błąd względny. To bezwzględna różnica między parametrem populacji a estymatorem punktowym, podzielona przez parametr populacji. Bywa wyrażany w procentach.

Dostępne są: attrition_pop oraz mean_attrition_pop (średnia kolumny Attrition ze zbioru attrition_pop); biblioteka pandas jest załadowana jako pd.

Instrukcje 1/2

undefined XP
  • 1
    • Pobierz prostą próbę losową z attrition_pop składającą się z pięćdziesięciu wierszy, ustawiając ziarno losowości na 2022.
    • Oblicz średnią wartość wskaźnika Attrition pracowników w próbce.
    • Oblicz błąd względny między mean_attrition_srs50 a mean_attrition_pop wyrażony jako procent.
  • 2
    • Oblicz ponownie procentowy błąd względny. Tym razem użyj prostej próby losowej złożonej ze stu wierszy zbioru attrition_pop.