Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
L’échantillonnage est une pierre angulaire des statistiques inférentielles et des tests d’hypothèse. Il est essentiel pour l’analyse d’enquêtes et la conception expérimentale. Ce cours explique quand et pourquoi l’échantillonnage est important, et vous apprend à réaliser les types d’échantillonnage les plus courants, de l’échantillonnage aléatoire simple à des méthodes plus avancées comme l’échantillonnage stratifié et par grappes. La suite du cours aborde l’estimation de statistiques de population et la quantification de l’incertitude de vos estimations en générant des distributions d’échantillonnage et des distributions bootstrap. Tout au long du cours, vous explorerez des jeux de données réels sur les notes de cafés, les morceaux Spotify et l’attrition des employés.
Prérequis
Programme de formation
Plan du cours
1
Introduction à l’échantillonnage
Découvrez ce qu’est l’échantillonnage et pourquoi il est utile, comprenez les problèmes liés à l’échantillonnage de convenance et faites la différence entre véritable aléa et pseudo-aléatoire.
- Échantillonnage et estimateurs ponctuels50 XP
- Pourquoi échantillonner50 XP
- Échantillonnage simple avec dplyr100 XP
- Échantillonnage simple avec base R100 XP
- Échantillonnage de commodité50 XP
- Les résultats de l’échantillon sont-ils généralisables ?100 XP
- Ces résultats sont-ils généralisables ?100 XP
- Génération de nombres pseudo-aléatoires50 XP
- Générer des nombres aléatoires100 XP
- Comprendre les graines aléatoires100 XP
2
Méthodes d’échantillonnage
Apprenez comment et quand mettre en œuvre les quatre méthodes d’échantillonnage aléatoire : simple, systématique, stratifié et par grappes.
3
Distributions d’échantillonnage
Apprenez à quantifier la précision de statistiques d’échantillon à l’aide d’erreurs relatives, et à mesurer la variabilité de vos estimations en générant des distributions d’échantillonnage.
4
Distributions bootstrap
Apprenez à utiliser le rééchantillonnage pour réaliser du bootstrapping, afin d’estimer la variabilité d’une population inconnue. Comprenez la différence entre distributions d’échantillonnage et distributions bootstrap.
R
Échantillonnage en R
Cours
terminé
