Entenda o que é amostragem e por que ela é útil, conheça os problemas causados pela amostragem por conveniência e aprenda as diferenças entre verdadeiro aleatório e pseudoaleatório.

Amostragem e estimativas pontuais

Motivos para amostrar

Amostragem simples com dplyr

Amostragem simples com base-R

Amostragem por conveniência

As conclusões do conjunto amostral são generalizáveis?

Essas descobertas são generalizáveis?

Geração de números pseudo-aleatórios

Gerando números aleatórios

Entendendo seeds aleatórias

Introdução à Amostragem

Aprenda como e quando aplicar os quatro métodos de amostragem aleatória: simples, sistemática, estratificada e por conglomerados.

Amostragem aleatória simples e sistemática

Amostragem aleatória simples

Amostragem sistemática

A amostragem sistemática é adequada?

Amostragem aleatória estratificada e ponderada

Qual método de amostragem?

Amostragem estratificada proporcional

Amostragem estratificada com contagens iguais

Amostragem ponderada

Amostragem por conglomerados

Benefícios do agrupamento

Realizando amostragem por conglomerados

Comparando métodos de amostragem

3 tipos de amostragem

Estatísticas-resumo em diferentes tipos de amostra

Métodos de Amostragem

Aprenda a quantificar a precisão de estatísticas amostrais usando erros relativos e a medir a variação nas suas estimativas gerando distribuições amostrais.

Erro relativo de estimativas pontuais

Calculando erros relativos

Erro relativo vs. tamanho da amostra

Criando uma distribuição amostral

Replicando amostras

Parâmetros de replicação

Aproximar distribuições amostrais

Distribuição amostral exata

Distribuição amostral aproximada

Exata vs. aproximada

Erros-padrão e o Teorema Central do Limite

Médias da população e da distribuição amostral

Variação da população e da distribuição amostral

Distribuições Amostrais

Aprenda a usar reamostragem para realizar bootstrapping, usado para estimar a variação em uma população desconhecida. Entenda a diferença entre distribuições amostrais e distribuições bootstrap.

Introdução ao bootstrap

Princípios do bootstrapping

Com ou sem reposição

Gerando uma distribuição bootstrap

Comparando distribuições amostrais e de bootstrap

Estatísticas de bootstrap e estatísticas populacionais

Distribuição amostral vs. distribuição bootstrap

Compare médias de amostra e de bootstrap

Compare os desvios-padrão das distribuições amostral e bootstrap

Intervalos de confiança

Interpretação de intervalo de confiança

Calculando intervalos de confiança

Parabéns!

Distribuições Bootstrap

Coffee ratings

Spotify song attributes

Employee attrition

A amostragem é um pilar da estatística inferencial e dos testes de hipótese. Ela é extremamente importante em análise de pesquisas e desenho experimental. Neste curso, você vai entender quando e por que a amostragem é importante e aprender a realizar tipos comuns de amostragem, desde a amostragem aleatória simples até métodos mais complexos, como amostragem estratificada e por conglomerados. Depois, o curso aborda a estimativa de estatísticas da população e a quantificação da incerteza nas suas estimativas, gerando distribuições amostrais e distribuições bootstrap. Ao longo do curso, você vai explorar conjuntos de dados reais sobre avaliações de café, músicas do Spotify e rotatividade de funcionários.

Introduction to Statistics in R

Aprenda a realizar amostragens em R, como amostragem aleatória simples, estratificada e por clusters.

Motivos para amostrar

Amostragem em R

Exercício interativo prático