Muestreo con python

import numpy as np
import pandas as pd
from scipy import stats

Muestreo aleatorio

np.random.random(10)
np.random.randint(0, 100, 10)
colors = ['red', 'blue', 'green']
np.random.choice(colors, 10)

Con reemplazo

np.random.choice(colors, 10, replace=True)

Distribucion normal

parametros: $\mu$ media, $\sigma$ desviacion estandar y $n$ tamaño de la muestra

np.random.normal(0, 1, 10)

stats.norm.rvs(0, 1, 10)

Distribucion uniforme

parametros: $a$ minimo, $b$ maximo y $n$ tamaño de la muestra

np.random.uniform(0, 1, 10)

stats.uniform.rvs(0, 1, 10)

Distribucion binomial

parametros: $n$ numero de ensayos, $p$ probabilidad de exito y $n$ tamaño de la muestra

np.random.binomial(10, 0.5, 10)

stats.binom.rvs(10, 0.5, 10)

Distribucion poisson

parametros: $\lambda$ tasa de ocurrencia y $n$ tamaño de la muestra

np.random.poisson(10, 10)

stats.poisson.rvs(10, 10)

Distribucion exponencial

parametros: $\lambda$ tasa de ocurrencia y $n$ tamaño de la muestra

np.random.exponential(10, 10)

stats.expon.rvs(10, 10)

Muestreo estratificado

df = pd.DataFrame({
    'sexo': np.random.choice(['M', 'F'], 100),
    'edad': np.random.randint(18, 65, 100),
    'estado_civil': np.random.choice(['S', 'C', 'D', 'V'], 100),
    'ingreso': np.random.randint(1000, 10000, 100)
})

df.groupby('sexo').apply(lambda x: x.sample(10))

Muestreo sistematico

df = pd.DataFrame({
    'sexo': np.random.choice(['M', 'F'], 100),
    'edad': np.random.randint(18, 65, 100),
    'estado_civil': np.random.choice(['S', 'C', 'D', 'V'], 100),
    'ingreso': np.random.randint(1000, 10000, 100)
})

df.iloc[::10] # selecciona cada 10 filas