Learn what sampling is and why it is useful, understand the problems caused by convenience sampling, and learn about the differences between true randomness and pseudo-randomness.

Sampling and point estimates

Reasons for sampling

Simple sampling with dplyr

Simple sampling with base-R

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

Learn how to and when to perform the four methods of random sampling: 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

Summary statistics on different kinds of sample

Sampling Methods

Learn how to quantify the accuracy of sample statistics using relative errors, and measure variation in your estimates by generating sampling distributions.

Noktasal tahminlerin bağıl hatası

Göreli hataları hesaplama

Göreli hata vs. örneklem büyüklüğü

Bir örnekleme dağılımı oluşturma

Örneklerin çoğaltılması

Tekrarlama parametreleri

Yaklaşık örnekleme dağılımları

Tam örnekleme dağılımı

Yaklaşık örnekleme dağılımı

Kesin vs. yaklaşık

Standart hatalar ve Merkezi Limit Teoremi

Ana kitle ve örnekleme dağılımı ortalamaları

Ana kitle ve örnekleme dağılımı varyasyonu

Sampling Distributions

Learn how to use resampling to perform bootstrapping, used to estimate variation in an unknown population. Understand the difference between sampling distributions and bootstrap distributions.

Introduction to bootstrapping

Principles of bootstrapping

With or without replacement

Generating a bootstrap distribution

Comparing sampling and bootstrap distributions

Bootstrap statistics and population statistics

Sampling distribution vs. bootstrap distribution

Compare sampling and bootstrap means

Compare sampling and bootstrap standard deviations

Confidence intervals

Confidence interval interpretation

Calculating confidence intervals

Congratulations!

Bootstrap Distributions

Coffee ratings

Spotify song attributes

Employee attrition

Örnekleme, çıkarımsal istatistik ve hipotez testinin temel taşlarından biridir. Anket analizi ve deney tasarımında son derece önemlidir. Bu kurs, örneklemenin ne zaman ve neden önemli olduğunu açıklar; basit rastgele örneklemeden tabakalı ve küme örnekleme gibi daha karmaşık yöntemlere kadar yaygın örnekleme türlerini nasıl uygulayacağını öğretir. Kursun ilerleyen bölümlerinde, anakütle istatistiklerini tahmin etmeyi ve örnekleme dağılımları ile bootstrap dağılımları oluşturarak tahminlerindeki belirsizliği nasıl ölçebileceğini ele alırsın. Kurs boyunca kahve puanlamaları, Spotify şarkıları ve çalışan ayrılmaları gibi gerçek veri kümelerini keşfedeceksin.

Introduction to Statistics in R

R'de basit rastgele, tabakalı ve küme örnekleme gibi yaygın örnekleme türlerini öğrenin.

R'de Örnekleme

Daha az veriyle daha doğru istatistikler elde etmek için örneklemeyi ustaca kullanın.

Yardımcı Veri Bilimcisi in R

Veri Analisti  in R

İstatistikçi in R

İstatistik Temelleri in R

Göreli hata vs. örneklem büyüklüğü

R'de Örnekleme

Uygulamalı interaktif egzersiz