Estatísticas Práticas para Cientistas de Dados, 2ª Edição

Capítulo 2. Dados e distribuições de amostragem

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: [e-mail]

Um equívoco popular sustenta que a era dos grandes volumes de dados significa o fim da necessidade de amostragem.De facto, a proliferação de dados de qualidade e relevância variáveis reforça a necessidade de amostragem como uma ferramenta para trabalhar eficientemente com uma variedade de dados e para minimizar o enviesamento. Mesmo num projeto de grandes volumes de dados, os modelos preditivos são normalmente desenvolvidos e testados com amostras.As amostras também são utilizadas em testes de vários tipos (por exemplo, comparando o efeito de designs de páginas Web nos cliques).

AFigura 2-1 mostra um esquema que sustenta os conceitos que serão discutidos neste capítulo - dados e distribuições de amostragem. O lado esquerdo representa uma população que, em estatística, se assume seguir uma distribuição subjacente mas desconhecida. Tudo o que está disponível são os dados da amostra e a sua distribuição empírica, mostrados no lado direito. Para passar do lado esquerdo para o lado direito, é utilizado um processo de amostragem (representado por uma seta). A estatística tradicional centrava-se muito no lado esquerdo, utilizando uma teoria baseada em fortes pressupostos sobre a população. A estatística moderna passou para o lado direito, onde esses pressupostos não são necessários.

Em geral, os cientistas de dados não ...