ダッシュボードには、従業員離職の標本平均の比率に関するヒストグラムが表示されています。パラメータは2つあります。各単純無作為抽出の標本サイズと、反復回数です。これらのパラメータが結果にどう影響するかを理解することが重要です。パラメータのスライダーを操作して値を変え、ヒストグラムへの影響を確認してください。
各パラメータが標本平均の分布に与える影響について、正しい記述はどれですか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
サンプリングとは何か、そしてなぜ強力なのかを学びます。ついで、便宜抽出が引き起こす問題点や、真のランダム性と疑似乱数の違いについても扱います。
いよいよ手を動かしましょう。Pythonで4つの無作為抽出法（単純、系統、層化、クラスター）を実装します。
これまでのサンプリングを検証します。この章では、相対誤差で標本統計量の精度を定量化し、サンプリング分布を生成して推定のばらつきを評価する方法を学びます。
現在の演習
リサンプリングを用いたブートストラップで、未知の母集団のばらつきを推定します。サンプリング分布とブートストラップ分布の違いも、リサンプリングを通して理解します。
