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.
To ćwiczenie jest częścią kursu
Próbkowanie w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Generate a simple random sample of 50 rows, with seed 2022
attrition_srs50 = ____
# Calculate the mean employee attrition in the sample
mean_attrition_srs50 = ____
# Calculate the relative error percentage
rel_error_pct50 = ____
# Print rel_error_pct50
print(rel_error_pct50)