Lerne, was eine Stichprobe ist und warum sie nützlich ist, verstehe die Probleme durch Gelegenheitsstichproben, und erfahre die Unterschiede zwischen echter Zufälligkeit und Pseudozufälligkeit.

Stichproben und Punktschätzungen

Gründe für Stichproben

Einfaches Sampling mit dplyr

Einfaches Sampling mit Base R

Gelegenheitsstichprobe

Sind die Ergebnisse aus der Stichprobe verallgemeinerbar?

Sind diese Ergebnisse verallgemeinerbar?

Pseudozufallszahlengenerierung

Zufallszahlen erzeugen

Random Seeds verstehen

Einführung in die Stichprobenerhebung

Lerne, wie und wann du die vier Methoden der Zufallsstichprobe anwendest: einfach, systematisch, geschichtet und Klumpen.

Einfache Zufallsstichprobe und systematische Stichprobe

Einfache Zufallsstichprobe

Systematische Stichprobe

Ist systematische Stichprobenziehung okay?

Geschichtete und gewichtete Zufallsstichprobe

Welche Stichprobenmethode?

Proportional stratified sampling

Stratifizierte Stichprobe mit gleichen Anzahlen

Gewichtete Stichprobe

Klumpenstichprobe

Vorteile der Clusterbildung

Klumpenstichprobe durchführen

Stichprobenverfahren vergleichen

3 Arten von Stichprobenziehung

Kennzahlen für verschiedene Stichprobenarten

Stichprobenmethoden

Lerne, wie du die Genauigkeit von Stichprobenkennwerten mit relativen Fehlern quantifizierst und die Streuung deiner Schätzungen misst, indem du Stichprobenverteilungen erzeugst.

Relativer Fehler von Punktschätzern

Relative Fehler berechnen

Relativer Fehler vs. Stichprobengröße

Eine Stichprobenverteilung erstellen

Stichproben replizieren

Replikationsparameter

Approximative Stichprobenverteilungen

Exakte Stichprobenverteilung

Annähernde Stichprobenverteilung

Exakt vs. approximativ

Standardfehler und der Zentrale Grenzwertsatz

Mittelwerte von Grundgesamtheit und Stichprobenverteilung

Variation in Grundgesamtheit und Stichprobenverteilung

Stichprobenverteilungen

Lerne, wie du durch Resampling Bootstrapping durchführst, um die Streuung in einer unbekannten Population zu schätzen. Verstehe den Unterschied zwischen Stichproben- und Bootstrap-Verteilungen.

Einführung in das Bootstrapping

Grundprinzipien des Bootstrappings

Mit oder ohne Zurücklegen

Eine Bootstrap-Verteilung erzeugen

Stichproben- und Bootstrap-Verteilungen vergleichen

Bootstrap-Statistiken und Populationsstatistiken

Stichprobenverteilung vs. Bootstrap-Verteilung

Vergleiche Stichproben- und Bootstrap-Mittelwerte

Vergleiche Stichproben- und Bootstrap-Standardabweichungen

Konfidenzintervalle

Konfidenzintervall interpretieren

Konfidenzintervalle berechnen

Glückwunsch!

Bootstrap-Verteilungen

Coffee ratings

Spotify song attributes

Employee attrition

Stichproben sind ein Grundpfeiler der Inferenzstatistik und der Hypothesentests. Sie sind in der Umfrageanalyse und im Versuchsdesign enorm wichtig. In diesem Kurs erfährst du, wann und warum Stichproben wichtig sind, und lernst, wie du gängige Arten der Stichprobenziehung durchführst – von der einfachen Zufallsstichprobe bis hin zu komplexeren Methoden wie geschichteter und Klumpenstichprobe. Später behandelt der Kurs die Schätzung von Populationskennzahlen und das Quantifizieren der Unsicherheit in deinen Schätzungen durch das Erzeugen von Stichprobenverteilungen und Bootstrap-Verteilungen. Im gesamten Kurs arbeitest du mit realen Datensätzen zu Kaffeebewertungen, Spotify-Songs und Mitarbeiterfluktuation.

Introduction to Statistics in R

Lernen Sie, wie Sie in R Stichproben ziehen, z.B. einfache Zufallsstichproben und komplexere Methoden.

Stichprobenerhebung in R

Hier erfährst du, wie du mit weniger Daten genauere Statistiken erhalten kannst.

Associate Data Scientist in R

Datenanalyst  in R

Statistiker in R

Grundlagen der Statistik in R

Gründe für Stichproben

Interaktive praktische Übung