After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Вибірковий метод у Python є основою інференційної статистики та перевірки гіпотез. Це потужна навичка, яку використовують в аналізі опитувань і плануванні експериментів, щоб робити висновки без опитування всієї сукупності. У курсі «Sampling у Python» ви дізнаєтеся, коли застосовувати вибірку та як виконувати поширені типи відбору — від простого випадкового вибору до складніших методів, як-от стратифікована та кластерна вибірка. Працюючи з реальними наборами даних, зокрема оцінками кави, піснями Spotify та плинністю кадрів, ви навчитеся оцінювати параметри генеральної сукупності та кількісно визначати невизначеність у ваших оцінках, створюючи вибіркові розподіли та бутстрап-розподіли.
Попередні вимоги
Навчальний план
Зміст курсу
1
Вступ до вибірки
Дізнайтеся, що таке вибірка і чому це настільки потужно. Також розглянете проблеми, які спричиняє вибірка зручності, та різницю між справжньою випадковістю і псевдовипадковістю.
- Вибірка та точкові оцінки50 XP
- Навіщо робити вибірку50 XP
- Просте вибіркове дослідження з pandas100 XP
- Просте вибіркове дослідження та обчислення з NumPy100 XP
- Вибірка зручності50 XP
- Чи можна узагальнювати висновки з вибірки?100 XP
- Чи можна узагальнити ці результати?100 XP
- Генерування псевдовипадкових чисел50 XP
- Генерування випадкових чисел100 XP
- Розуміння випадкових зерен (random seeds)100 XP
2
Методи вибірки
Час попрактикуватися і виконати чотири методи випадкової вибірки в Python: просту, систематичну, стратифіковану та кластерну.
3
Вибіркові розподіли
Перевірмо вашу вибірку. У цьому розділі ви дізнаєтеся, як кількісно оцінювати точність вибіркових оцінок за допомогою відносних похибок і вимірювати варіативність ваших оцінок, генеруючи вибіркові розподіли.
4
Бутстрап-розподіли
Ви опanuєте ресемплінг, щоб виконувати бутстрап і оцінювати варіативність у невідомій сукупності. Ви дізнаєтеся різницю між вибірковими розподілами та бутстрап-розподілами за допомогою ресемплінгу.
Sampling у Python
Курс
завершено
