Lär dig vad urval är och varför det är användbart, förstå problemen med bekvämlighetsurval och lär dig skillnaden mellan äkta slumpmässighet och pseudoslumpmässighet.

Urval och punktskattningar

När är sampling lämpligt?

Enkel sampling med dplyr

Enkelt urval med bas-R

Bekvämlighetsurval

Kan resultaten från urvalet generaliseras?

Går dessa resultat att generalisera?

Pseudoslumpmässig nummergenerering

Generera slumpmässiga tal

Förstå slumpmässiga frön

Introduktion till urval

Lär dig hur och när du använder de fyra metoderna för slumpmässigt urval: enkelt, systematiskt, stratifierat och klusterbaserat.

Enkel slumpmässig och systematisk sampling

Enkel slumpmässig sampling

Systematiskt urval

Är systematiskt urval OK?

Stratifierat och viktat slumpmässigt urval

Urvalstyp

Stratifierat urval

Enkelt slumpmässigt urval

Vilken urvalsmetod?

Proportionell stratifierad sampling

Stratifierat urval med lika antal

Viktat urval

Klustersampling

Fördelar med klustersampling

Utföra klustersampling

Jämföra urvalsmetoder

3 typer av sampling

Sammanfattande statistik för olika urvalstyper

Urvalsmetoder

Lär dig hur du kvantifierar noggrannheten hos stickprovsstatistik med relativa fel och mäter variationen i dina skattningar genom att generera urvalsfördelningar.

Relativa fel hos punktskattningar

Beräkna relativa fel

Relativt fel kontra urvalsstorlek

Skapa en samplingfördelning

Replikera urval

Replikeringsparametrar

Ungefärliga samplingfördelningar

Exakt samplingfördelning

Approximativ samplingfördelning

Exakt vs. approximativ

Standardfel och centrala gränsvärdessatsen

Medelvärden för population och samplingfördelning

Variation i population och samplingfördelning

Urvalsfördelningar

Lär dig hur du använder återsampling för att utföra bootstrapping, vilket används för att skatta variationen i en okänd population. Förstå skillnaden mellan urvalsfördelningar och bootstrapfördelningar.

Introduktion till bootstrapping

Principer för bootstrapping

Med eller utan återläggning

Generera en bootstrapfördelning

Jämföra samplings- och bootstrapfördelningar

Bootstrapstatistik och populationsstatistik

Samplingsfördelning kontra bootstrapfördelning

Jämför medelvärden från samplings- och bootstrapfördelningar

Jämför standardavvikelser för urvals- och bootstrapfördelningar

Konfidensintervall

Tolkning av konfidensintervall

Beräkna konfidensintervall

Grattis!

Bootstrapfördelningar

Spotify song attributes

Coffee ratings

Employee attrition

Urval är en grundsten inom inferensstatistik och hypotesprövning. Det spelar en central roll i undersökningsanalys och experimentdesign. Den här kursen förklarar när och varför urval är viktigt, och lär dig att genomföra vanliga urvalsmetoder – från enkelt slumpmässigt urval till mer avancerade metoder som stratifierat urval och klusterurval. Senare behandlar kursen skattning av populationsparametrar och hur du kvantifierar osäkerheten i dina skattningar genom att generera urvals- och bootstrapfördelningar. Under kursens gång utforskar du verkliga datamängder om kaffebetyg, Spotify-låtar och personalomsättning.

Introduction to Statistics in R

Lär dig utföra vanliga typer av sampling i R, inklusive enkel slumpmässig, stratifierad och kluster.

Urval i R

Bemästra sampling för att få mer exakta statistik med mindre data.

Associate Data Scientist i R

Dataanalytiker  i R

Statistiker i R

Statistikens grunder i R

Demografisk matchning efter etnisk bakgrund för att säkerställa att en folkräkning genomförs korrekt.

Blodgrupper för att säkerställa att ett vaccin fungerar för olika undergrupper.

Inkomstgrupper för att förstå effekterna av förändringar i skattesatsen.

Undersöker fördelningen av färger på Skittles-godis, eftersom de fem färgerna vanligtvis förekommer med ungefär 20 % var.

Intresset ligger inte på en specifik undergrupp utan på att få ett representativt urval av den större populationen.

Vilken urvalsmetod?

Urval i R

Interaktiv övning med praktiskt arbete