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.

Échantillonnage aléatoire simple et systématique

Échantillonnage aléatoire simple

Échantillonnage systématique

Le sondage systématique convient-il ?

Échantillonnage aléatoire stratifié et pondéré

Type d’échantillonnage

Échantillonnage stratifié

Quel type d’échantillonnage ?

Échantillonnage stratifié proportionnel

Échantillonnage stratifié à effectifs égaux

Échantillonnage pondéré

Échantillonnage par grappes

Avantages de l’échantillonnage en grappes

Réaliser un échantillonnage en grappes

Comparer les méthodes d’échantillonnage

3 types d’échantillonnage

Statistiques récapitulatives sur différents types d’échantillons

Sampling Methods

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

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

L’échantillonnage est une pierre angulaire des statistiques inférentielles et des tests d’hypothèse. Il est essentiel pour l’analyse d’enquêtes et la conception expérimentale. Ce cours explique quand et pourquoi l’échantillonnage est important, et vous apprend à réaliser les types d’échantillonnage les plus courants, de l’échantillonnage aléatoire simple à des méthodes plus avancées comme l’échantillonnage stratifié et par grappes. La suite du cours aborde l’estimation de statistiques de population et la quantification de l’incertitude de vos estimations en générant des distributions d’échantillonnage et des distributions bootstrap. Tout au long du cours, vous explorerez des jeux de données réels sur les notes de cafés, les morceaux Spotify et l’attrition des employés.

Introduction to Statistics in R

Découvrez comment effectuer des échantillonnages en R, y compris aléatoire, stratifié et en grappes.

Échantillonnage en R

Maîtrisez l'échantillonnage pour obtenir des statistiques plus précises avec moins de données.

Scientifique de données associé en R

Analyste de données  en R

Statisticien en R

Principes de la statistique en R

Appariement démographique par race pour garantir la bonne conduite du recensement.

Groupes sanguins pour s’assurer qu’un vaccin fonctionne pour différents sous-groupes.

Tranches de revenus pour comprendre l’impact des changements de taux d’imposition.

Étudier la répartition des couleurs des bonbons Skittles, sachant que les cinq couleurs apparaissent généralement à environ 20 % chacune.

Vous ne vous intéressez pas autant aux propriétés d’un sous-groupe particulier qu’à l’obtention d’un échantillon représentatif du groupe dans son ensemble.

Quel type d’échantillonnage ?

Exercice interactif pratique