Learn what sampling is and why it is so powerful. You’ll also learn about the problems caused by convenience sampling and the differences between true randomness and pseudo-randomness.

Sampling and point estimates

Reasons for sampling

Simple sampling with pandas

Simple sampling and calculating with NumPy

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

It’s time to get hands-on and perform the four random sampling methods in Python: 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

Comparing point estimates

Sampling Methods

Let’s test your sampling. In this chapter, you’ll discover 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

Generating an approximate sampling distribution

Exact vs. approximate

Standard errors and the Central Limit Theorem

Population & sampling distribution means

Population & sampling distribution variation

Sampling Distributions

You’ll get to grips with resampling to perform bootstrapping and estimate variation in an unknown population. You’ll learn the difference between sampling distributions and bootstrap distributions using resampling.

Bootstrapping’e giriş

Seçenekler

Doğru

Yanlış

Bootstrapping’in prensipleri

Yerine koyarak mı, koymadan mı

Yerine koyarak

Yerine koymadan

Yerine koyarak mı, koymadan mı?

Bir bootstrap dağılımı oluşturma

Örnekleme ve bootstrap dağılımlarını karşılaştırma

Bootstrap istatistikleri ve anakitle istatistikleri

Örnekleme dağılımı vs. bootstrap dağılımı

Örnekleme ve bootstrap ortalamalarını karşılaştır

Örnekleme ve bootstrap standart sapmalarını karşılaştır

Güven aralıkları

Güven aralığının yorumlanması

Güven aralıklarını hesaplama

Tebrikler!

Bootstrap Distributions

Coffee ratings

Spotify song attributes

Employee attrition

Python'da örnekleme, çıkarımsal istatistik ve hipotez testinin temelidir. Tüm popülasyonu incelemeden sonuç çıkarabilmeni sağlayan, anket analizi ve deney tasarımında kullanılan güçlü bir beceridir. Bu Python'da Örnekleme kursunda, örneklemeyi ne zaman kullanacağını ve basit rastgele örneklemeden tabakalı ve küme örneklemesi gibi daha karmaşık yöntemlere kadar yaygın örnekleme türlerini nasıl uygulayacağını keşfedeceksin. Kahve puanlamaları, Spotify şarkıları ve çalışan ayrılmaları gibi gerçek veri kümelerini kullanarak, popülasyon istatistiklerini tahmin etmeyi ve örnekleme dağılımları ile bootstrap dağılımları oluşturarak tahminlerindeki belirsizliği nicelleştirmeyi öğreneceksin.

Introduction to Statistics in Python

Python ve istatistik kullanarak sınırlı verilerden sonuç çıkarmayı öğrenin.

Python'da Örnekleme

Python ve istatistik kullanarak sınırlı verilerden sonuçlar çıkarmayı öğrenin. Bu ders, rastgele örneklemden tabakalı ve küme örneklemeye kadar her şeyi kapsar.

Yardımcı Veri Bilimcisi  Python'da

Veri Analisti  Python'da

İstatistik Temelleri  Python'da

Bootstrap istatistikleri ve anakitle istatistikleri

Python'da Örnekleme

Uygulamalı interaktif egzersiz