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.

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.

Introductie tot bootstrapping

Bootstrap waar of niet waar

Waar

Niet waar

Principes van bootstrappen

Met of zonder terugleggen

Met terugleggen

Zonder terugleggen

Een bootstrapverdeling genereren

Steekproeven en bootstrapverdelingen vergelijken

Bootstrapstatistieken en populatiestatistieken

Steekproefverdeling vs. bootstrapverdeling

Vergelijk steekproef- en bootstrap-gemiddelden

Vergelijk de standaarddeviaties van steekproef- en bootstrapverdelingen

Betrouwbaarheidsintervallen

Interpretatie van een betrouwbaarheidsinterval

Betrouwbaarheidsintervallen berekenen

Gefeliciteerd!

Bootstrap Distributions

Coffee ratings

Spotify song attributes

Employee attrition

Steekproeven vormen een hoeksteen van inferentiële statistiek en hypothesetoetsing. Ze zijn enorm belangrijk in enquêteanalyse en experimenteel ontwerp. Deze cursus legt uit wanneer en waarom steekproeven belangrijk zijn, en leert je hoe je veelgebruikte vormen van steekproeven uitvoert, van eenvoudige aselecte steekproeven tot meer geavanceerde methoden zoals gestratificeerde en clustersteekproeven. Later behandelt de cursus het schatten van populatiestatistieken en het kwantificeren van onzekerheid in je schattingen door steekproevenverdelingen en bootstrapverdelingen te genereren. Door de hele cursus heen werk je met echte gegevenssets over koffieratings, Spotify-nummers en personeelsverloop.

Introduction to Statistics in R

Leer hoe je veelvoorkomende steekproeven in R uitvoert, zoals eenvoudige, gestratificeerde en cluster.

Steekproeven in R

Leer hoe je steekproeven neemt om betere statistieken te krijgen met minder gegevens.

Associate Data Scientist in R

Data-analist  in R

Statisticus in R

Statistiek voor beginners in R

Bootstrapstatistieken en populatiestatistieken

Steekproeven in R

Praktische interactieve oefening