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

Introduction to Sampling

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

Sampling Methods

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

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

Sampling 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!

Bootstrap Distributions

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

Relativer Fehler vs. Stichprobengröße

Interaktive praktische Übung