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

Próbkowanie i estymatory punktowe

Kiedy stosować próbkowanie?

Proste próbkowanie z dplyr

Proste próbkowanie z bazowym R

Próbkowanie wygodne

Czy wyniki z próby można uogólnić?

Czy te wyniki można uogólnić?

Generowanie liczb pseudolosowych

Generowanie liczb losowych

Rozumienie ziarna losowości

Wprowadzenie do próbkowania

Naucz się, jak i kiedy stosować cztery metody losowego próbkowania: proste, systematyczne, warstwowe i grupowe.

Proste losowanie i próbkowanie systematyczne

Proste losowanie

Próbkowanie systematyczne

Czy próbkowanie systematyczne jest właściwe?

Próbkowanie warstwowe i ważone losowanie

Która metoda próbkowania?

Proporcjonalne próbkowanie warstwowe

Warstwowe próbkowanie równoliczne

Próbkowanie ważone

Próbkowanie grupowe

Zalety próbkowania skupieniowego

Próbkowanie skupiskowe w praktyce

Porównanie metod próbkowania

3 rodzaje próbkowania

Statystyki podsumowujące dla różnych rodzajów próbek

Metody próbkowania

Naucz się oceniać dokładność statystyk próbkowych za pomocą błędów względnych oraz mierzyć zmienność szacunków, tworząc rozkłady próbkowania.

Błąd względny estymatorów punktowych

Obliczanie błędów względnych

Błąd względny a rozmiar próby

Tworzenie rozkładu próbkowania

Replikowanie próbek

Parametry replikacji

Przybliżone rozkłady próbkowania

Dokładny rozkład próbkowania

Przybliżony rozkład próbkowania

Dokładny rozkład a przybliżony

Błędy standardowe i centralne twierdzenie graniczne

Średnie rozkładu populacji i rozkładu próbkowania

Zmienność populacji i rozkładu próbkowania

Rozkłady próbkowania

Dowiedz się, jak stosować ponowne próbkowanie do bootstrappingu, który służy do szacowania zmienności nieznanej populacji. Zrozum różnicę między rozkładami próbkowania a rozkładami bootstrapowymi.

Wprowadzenie do bootstrappingu

Bootstrapping – prawda czy fałsz

Prawda

Fałsz

Zasady bootstrappingu

Ze zwracaniem czy bez zwracania

Ze zwracaniem

Bez zwracania

Generowanie rozkładu bootstrap

Porównanie rozkładów próbkowania i bootstrap

Statystyki bootstrapowe a statystyki populacji

Rozkład próbkowania a rozkład bootstrapowy

Porównaj średnie z rozkładu próbkowania i rozkładu bootstrapowego

Porównanie odchyleń standardowych rozkładu próbkowania i rozkładu bootstrapowego

Przedziały ufności

Interpretacja przedziału ufności

Obliczanie przedziałów ufności

Gratulacje!

Rozkłady bootstrapowe

Spotify song attributes

Coffee ratings

Employee attrition

Próbkowanie to fundament statystyki wnioskowania i testowania hipotez. Odgrywa kluczową rolę w analizie ankiet i projektowaniu eksperymentów. Ten kurs wyjaśnia, kiedy i dlaczego próbkowanie jest ważne, oraz uczy, jak stosować najpopularniejsze jego rodzaje – od prostego próbkowania losowego po bardziej zaawansowane metody, takie jak próbkowanie warstwowe i grupowe. W dalszej części kursu omówione zostanie szacowanie statystyk populacji oraz kwantyfikowanie niepewności szacunków za pomocą rozkładów próbkowania i rozkładów bootstrapowych. W trakcie nauki będziesz analizować rzeczywiste zbiory danych dotyczące ocen kawy, utworów na Spotify oraz rotacji pracowników.

Introduction to Statistics in R

Dowiedz się, jak wykonywać próbkowanie w R, w tym losowe, warstwowe i grupowe.

Próbkowanie w R

Opanuj próbkowanie, aby uzyskiwać dokładniejsze statystyki przy mniejszej ilości danych.

Młodszy Data Scientist w R

Analityk danych  w R

Statystyk w R

Podstawy statystyki w R

Interpretacja przedziału ufności

Próbkowanie w R

Interaktywne ćwiczenie praktyczne