After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Próbkowanie to fundament statystyki wnioskowania i testowania hipotez. Odgrywa kluczową rolę w analizie ankiet i projektowaniu eksperymentów. Ten kurs wyjaśnia, kiedy i dlaczego próbkowanie jest ważne, oraz uczy, jak stosować najpopularniejsze jego rodzaje – od prostego próbkowania losowego po bardziej zaawansowane metody, takie jak próbkowanie warstwowe i grupowe. W dalszej części kursu omówione zostanie szacowanie statystyk populacji oraz kwantyfikowanie niepewności szacunków za pomocą rozkładów próbkowania i rozkładów bootstrapowych. W trakcie nauki będziesz analizować rzeczywiste zbiory danych dotyczące ocen kawy, utworów na Spotify oraz rotacji pracowników.
Wymagania wstępne
Program kursu
Plan kursu
1
Wprowadzenie do próbkowania
Dowiedz się, czym jest próbkowanie i dlaczego jest użyteczne. Zrozum problemy wynikające z próbkowania wygodnego oraz poznaj różnicę między prawdziwą losowością a pseudolosowością.
- Próbkowanie i estymatory punktowe50 XP
- Kiedy stosować próbkowanie?50 XP
- Proste próbkowanie z dplyr100 XP
- Proste próbkowanie z bazowym R100 XP
- Próbkowanie wygodne50 XP
- Czy wyniki z próby można uogólnić?100 XP
- Czy te wyniki można uogólnić?100 XP
- Generowanie liczb pseudolosowych50 XP
- Generowanie liczb losowych100 XP
- Rozumienie ziarna losowości100 XP
2
Metody próbkowania
Naucz się, jak i kiedy stosować cztery metody losowego próbkowania: proste, systematyczne, warstwowe i grupowe.
3
Rozkłady próbkowania
Naucz się oceniać dokładność statystyk próbkowych za pomocą błędów względnych oraz mierzyć zmienność szacunków, tworząc rozkłady próbkowania.
4
Rozkłady bootstrapowe
Dowiedz się, jak stosować ponowne próbkowanie do bootstrappingu, który służy do szacowania zmienności nieznanej populacji. Zrozum różnicę między rozkładami próbkowania a rozkładami bootstrapowymi.
R
Próbkowanie w R
Kurs
ukończony
