Przejdź do głównej treści

Strona główna R

Kurs

Próbkowanie w R

ŚredniozaawansowanyPoziom umiejętności

Zaktualizowano 08.2024

Opanuj próbkowanie, aby uzyskiwać dokładniejsze statystyki przy mniejszej ilości danych.

Zacznij kurs za darmo

RProbability & Statistics

4 godz.

15 filmów

51 Ćwiczeń

4,000 XP

24,799

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

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

Introduction to Statistics in R

1

Introduction to Sampling

Learn what sampling is and why it is useful, understand the problems caused by convenience sampling, and learn about the differences between true randomness and pseudo-randomness.

Sampling and point estimates

Reasons for sampling

Simple sampling with dplyr

Simple sampling with base-R

Convenience sampling

Are findings from the sample generalizable?

Are these findings generalizable?

Pseudo-random number generation

Generating random numbers

Understanding random seeds

Zacznij rozdział

2

Sampling Methods

Learn how to and when to perform the four methods of random sampling: simple, systematic, stratified, and cluster.

Simple random and systematic sampling

Simple random sampling

Systematic sampling

Is systematic sampling OK?

Stratified and weighted random sampling

Which sampling method?

Proportional stratified sampling

Equal counts stratified sampling

Weighted sampling

Cluster sampling

Benefits of clustering

Performing cluster sampling

Comparing sampling methods

3 kinds of sampling

Summary statistics on different kinds of sample

Zacznij rozdział

3

Sampling Distributions

Learn how to quantify the accuracy of sample statistics using relative errors, and measure variation in your estimates by generating sampling distributions.

Relative error of point estimates

Calculating relative errors

Relative error vs. sample size

Creating a sampling distribution

Replicating samples

Replication parameters

Approximate sampling distributions

Exact sampling distribution

Approximate sampling distribution

Exact vs. approximate

Standard errors and the Central Limit Theorem

Population & sampling distribution means

Population and sampling distribution variation

Zacznij rozdział

4

Bootstrap Distributions

Learn how to use resampling to perform bootstrapping, used to estimate variation in an unknown population. Understand the difference between sampling distributions and bootstrap distributions.

Introduction to bootstrapping

Principles of bootstrapping

With or without replacement

Generating a bootstrap distribution

Comparing sampling and bootstrap distributions

Bootstrap statistics and population statistics

Sampling distribution vs. bootstrap distribution

Compare sampling and bootstrap means

Compare sampling and bootstrap standard deviations

Confidence intervals

Confidence interval interpretation

Calculating confidence intervals

Congratulations!

Zacznij rozdział

Próbkowanie w R

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Próbkowanie w R już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.