Średnie rozkładu populacji i rozkładu próbkowania
Jedną z przydatnych cech rozkładów próbkowania jest to, że można je opisywać ilościowo – a konkretnie obliczać dla nich statystyki podsumowujące. Przyjrzyjmy się zależności między średnią rozkładu próbkowania a parametrem populacji, który to próbkowanie ma szacować.
Przygotowano trzy rozkłady próbkowania. W każdym przypadku zbiór danych dotyczący odejść pracowników był próbkowany metodą prostego losowania, a następnie obliczano średnią wartość wskaźnika odejść. Operację tę powtórzono 1000 razy, uzyskując rozkład próbkowania średnich wartości wskaźnika odejść. Każdy z rozkładów powstał przy innej wielkości próby: 5, 50 lub 500 obserwacji.
Dostępne są: attrition_pop, sampling_distribution_5, sampling_distribution_50 oraz sampling_distribution_500; załadowana jest biblioteka dplyr.
To ćwiczenie jest częścią kursu
Próbkowanie w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Calculate the mean across replicates of the mean attritions in sampling_distribution_5
mean_of_means_5 <- sampling_distribution_5 %>%
___
# Do the same for sampling_distribution_50
mean_of_means_50 <- ___
# ... and for sampling_distribution_500
mean_of_means_500 <- ___
# See the results
mean_of_means_5
mean_of_means_50
mean_of_means_500