Scopri cos’è il campionamento e perché è così potente. Vedrai anche i problemi causati dal campionamento di convenienza e le differenze tra vera casualità e pseudocasualità.

Campionamento e stime puntuali

Perché campionare

Campionamento semplice con pandas

Campionamento semplice e calcoli con NumPy

Campionamento per convenienza

I risultati del campione sono generalizzabili?

Questi risultati sono generalizzabili?

Generazione di numeri pseudo-casuali

Generare numeri casuali

Capire i semi casuali (random seeds)

Introduzione al campionamento

È il momento di mettere le mani in pasta ed eseguire in Python quattro metodi di campionamento casuale: semplice, sistematico, stratificato e a grappolo.

Campionamento casuale semplice e sistematico

Campionamento casuale semplice

Campionamento sistematico

Il campionamento sistematico va bene?

Campionamento casuale stratificato e ponderato

Quale metodo di campionamento?

Campionamento stratificato proporzionale

Campionamento stratificato a conteggi uguali

Campionamento pesato

Campionamento a grappolo

Vantaggi del clustering

Eseguire il campionamento a grappoli

Confrontare i metodi di campionamento

3 tipi di campionamento

Confrontare le stime puntuali

Metodi di campionamento

Metti alla prova il tuo campionamento. In questo capitolo scoprirai come quantificare l’accuratezza delle statistiche campionarie usando gli errori relativi e come misurare la variabilità delle tue stime generando distribuzioni campionarie.

Errore relativo delle stime puntuali

Calcolare gli errori relativi

Errore relativo vs. dimensione del campione

Creare una distribuzione campionaria

Replicare i campioni

Parametri di replicazione

Distribuzioni di campionamento approssimate

Distribuzione di campionamento esatta

Generare una distribuzione campionaria approssimata

Esatta vs. approssimata

Errori standard e Teorema del Limite Centrale

Medie di popolazione e di distribuzione campionaria

Variazione tra popolazione e distribuzione campionaria

Distribuzioni campionarie

Prenderai dimestichezza con il ricampionamento per eseguire il bootstrapping e stimare la variabilità in una popolazione sconosciuta. Imparerai la differenza tra distribuzioni campionarie e distribuzioni bootstrap usando il ricampionamento.

Introduzione al bootstrapping

Opzioni

Vero

Falso

Principi del bootstrapping

Con o senza reinserimento

Con reinserimento

Senza reinserimento

Con o senza reinserimento?

Generare una distribuzione bootstrap

Confrontare distribuzioni campionarie e bootstrap

Statistiche bootstrap e statistiche della popolazione

Distribuzione campionaria vs. distribuzione bootstrap

Confronta le medie di campionamento e bootstrap

Confronta le deviazioni standard di campionamento e bootstrap

Intervalli di confidenza

Interpretazione dell'intervallo di confidenza

Calcolare gli intervalli di confidenza

Congratulazioni!

Distribuzioni bootstrap

Coffee ratings

Spotify song attributes

Employee attrition

Il campionamento in Python è la pietra angolare dell’inferenza statistica e dei test d’ipotesi. È una competenza potente usata nell’analisi dei sondaggi e nella progettazione degli esperimenti per trarre conclusioni senza dover esaminare l’intera popolazione. In questo corso su Sampling in Python scoprirai quando usare il campionamento e come eseguire i tipi più comuni di campionamento — dal campionamento casuale semplice a metodi più complessi come il campionamento stratificato e a grappolo. Utilizzando insiemi di dati reali, tra cui valutazioni del caffè, brani di Spotify e turnover del personale, imparerai a stimare le statistiche di popolazione e a quantificare l’incertezza delle tue stime generando distribuzioni campionarie e distribuzioni bootstrap.

Introduction to Statistics in Python

Impara a trarre conclusioni da dati limitati con Python e statistica: campionamento casuale e stratificato.

Campionamento in Python

Scienziato dei dati associato  in Python

Analista dati  in Python

Fondamenti di statistica  in Python

Studiando la variabilità del peso delle tigri, hai raccolto dati su 10 tigri. Sospetti che nella tua regione della Siberia ce ne siano circa 50.

Un piccolo hedge fund non ha le risorse per monitorare tutte le azioni, ma ritiene che le 100 azioni che segue rappresentino bene il mercato.

È stato condotto un censimento regionale per stimare il reddito medio dei residenti. Analizzare l’intero insieme di dati richiederà troppo tempo.

Un’azienda di social media ha pubblicato tutti i post dei propri iscritti dell’ultimo anno. Devi presentare un report su questi dati al tuo responsabile entro la fine della settimana.

Con o senza reinserimento?

Campionamento in Python

esercizio interattivo pratico