Scopri che cos’è il campionamento e perché è utile, capisci i problemi causati dal campionamento di convenienza e le differenze tra vera casualità e pseudo-casualità.

Campionamento e stime puntuali

Motivi per campionare

Campionamento semplice con dplyr

Campionamento semplice con base R

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

Impara come e quando applicare 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 pesato

Tipo di campionamento

Campionamento stratificato

Quale metodo di campionamento?

Campionamento stratificato proporzionale

Campionamento stratificato a conteggi uguali

Campionamento pesato

Campionamento a grappolo

Vantaggi del clustering

Eseguire il campionamento a grappolo

Confrontare i metodi di campionamento

3 tipi di campionamento

Statistiche riassuntive su diversi tipi di campione

Metodi di campionamento

Impara a quantificare l’accuratezza delle statistiche campionarie usando gli errori relativi e a misurare la variabilità delle 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 campionarie approssimate

Distribuzione campionaria esatta

Distribuzione campionaria approssimata

Esatta vs. approssimata

Errori standard e Teorema del Limite Centrale

Medie di popolazione e della distribuzione campionaria

Variazione della popolazione e della distribuzione campionaria

Distribuzioni campionarie

Impara a usare il ricampionamento per eseguire il bootstrapping, utile per stimare la variabilità in una popolazione sconosciuta. Comprendi la differenza tra distribuzioni campionarie e distribuzioni bootstrap.

Introduzione al bootstrapping

Principi del bootstrapping

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 è un pilastro dell’inferenza statistica e del test d’ipotesi. È fondamentale nell’analisi dei sondaggi e nella progettazione degli esperimenti. In questo corso scoprirai quando e perché il campionamento è importante e imparerai a eseguire i tipi più comuni di campionamento, dal campionamento casuale semplice a metodi più complessi come quello stratificato e a grappolo. Nella parte finale, il corso tratta la stima delle statistiche della popolazione e la quantificazione dell’incertezza nelle stime generando distribuzioni campionarie e distribuzioni bootstrap. Durante il corso, esplorerai insiemi di dati reali su valutazioni del caffè, brani di Spotify e abbandono dei dipendenti.

Introduction to Statistics in R

Scopri come eseguire campionamenti in R, inclusi campionamento casuale semplice, stratificato e a cluster.

Campionamento in R

Padroneggia il campionamento per avere statistiche più precise con meno dati.

Scienziato dei dati associato in R

Analista dati  in R

Statistico in R

Fondamenti di statistica in R

Distribuzione demografica per razza per assicurare che il censimento sia condotto correttamente.

Gruppi per gruppo sanguigno per verificare che il vaccino funzioni per diversi sottogruppi.

Fasce di reddito per comprendere l’impatto delle variazioni dell’aliquota fiscale.

Analizzare la distribuzione dei colori delle caramelle Skittles dato che i cinque colori di solito compaiono ciascuno intorno al 20%.

Non ti interessano tanto le caratteristiche di un sottogruppo specifico, quanto ottenere un campione rappresentativo del gruppo più ampio.

Quale metodo di campionamento?

Campionamento in R

esercizio interattivo pratico