Dowiedz się, czym jest próbkowanie i dlaczego jest tak użyteczne. Poznasz też problemy wynikające z próbkowania wygodnego oraz różnicę między prawdziwą losowością a pseudolosowością.

Próbkowanie i estymatory punktowe

Kiedy stosować próbkowanie?

Proste próbkowanie z pandas

Proste próbkowanie i obliczenia z NumPy

Próbkowanie wygodne

Czy wyniki z próbki można uogólnić?

Czy te wyniki można uogólnić?

Generowanie liczb pseudolosowych

Generowanie liczb losowych

Rozumienie ziarna losowości

Wprowadzenie do próbkowania

Czas na praktykę – wykonasz cztery metody losowego próbkowania w Pythonie: prostą, systematyczną, warstwową i grupową.

Próbkowanie proste losowe i systematyczne

Proste losowanie próby

Próbkowanie systematyczne

Czy próbkowanie systematyczne jest właściwe?

Próbkowanie warstwowe i ważone losowanie

Która metoda próbkowania?

Proporcjonalne próbkowanie warstwowe

Warstwowe losowanie równoliczne

Próbkowanie ważone

Próbkowanie skupiskowe

Zalety próbkowania klastrowego

Próbkowanie grupowe w praktyce

Porównanie metod próbkowania

3 rodzaje próbkowania

Porównywanie estymatorów punktowych

Metody próbkowania

Sprawdź swoje próbkowanie w działaniu. W tym rozdziale nauczysz się mierzyć dokładność statystyk próby za pomocą błędów względnych oraz oceniać zmienność swoich szacunków, generując rozkłady próbkowania.

Względny błąd estymatorów punktowych

Obliczanie błędów względnych

Błąd względny a rozmiar próby

Tworzenie rozkładu próbkowania

Replikowanie próbek

Parametry replikacji

Przybliżone rozkłady próbkowania

Dokładny rozkład próbkowania

Generowanie przybliżonego rozkładu próbkowania

Dokładny vs. przybliżony

Błędy standardowe i Centralne Twierdzenie Graniczne

Średnie populacji i rozkładu próbkowania

Zmienność rozkładu populacji i rozkładu próbkowania

Rozkłady próbkowania

Opanujesz technikę resamplingową, jaką jest bootstrapping, i nauczysz się szacować zmienność w nieznanej populacji. Poznasz różnicę między rozkładami próbkowania a rozkładami bootstrapowymi.

Wprowadzenie do bootstrappingu

Opcje

Prawda

Fałsz

Zasady bootstrappingu

Ze zwracaniem czy bez zwracania

Ze zwracaniem

Bez zwracania

Ze zwracaniem czy bez?

Generowanie rozkładu bootstrap

Porównanie rozkładów próbkowania i rozkładów bootstrap

Statystyki bootstrapowe a statystyki populacji

Rozkład próbkowania a rozkład bootstrapowy

Porównanie średnich z próbkowania i bootstrappingu

Porównanie odchyleń standardowych próbkowania i bootstrapu

Przedziały ufności

Interpretacja przedziału ufności

Obliczanie przedziałów ufności

Gratulacje!

Rozkłady bootstrapowe

Spotify song attributes

Coffee ratings

Employee attrition

Próbkowanie w Pythonie to fundament statystyki wnioskowania i testowania hipotez. To przydatna umiejętność w analizie ankiet i projektowaniu eksperymentów – pozwala wyciągać wnioski bez badania całej populacji. W tym kursie poznasz przypadki, w których warto stosować próbkowanie, oraz nauczysz się wykonywać najpopularniejsze jego metody – od prostego losowania próby po bardziej zaawansowane techniki, takie jak próbkowanie warstwowe i grupowe. Pracując na rzeczywistych zbiorach danych – ocenach kaw, piosenkach ze Spotify i danych o rotacji pracowników – nauczysz się szacować statystyki populacji i mierzyć niepewność swoich szacunków za pomocą rozkładów próbkowania i rozkładów bootstrapowych.

Introduction to Statistics in Python

Naucz się wyciągać wnioski z ograniczonych danych za pomocą Pythona i statystyki.

Próbkowanie w Pythonie

Wyciągaj wnioski z ograniczonych danych, używając Python i statystyki. Kurs obejmuje wszystko: od losowego doboru próby po dobór warstwowy i klastrowy.

Młodszy Data Scientist  w Pythonie

Analityk danych  w Pythonie

Podstawy statystyki  w Pythonie

Interpretacja przedziału ufności

Próbkowanie w Pythonie

Interaktywne ćwiczenie praktyczne