了解什么是抽样，以及为什么它如此重要。您还将学习便利抽样带来的问题，以及真随机与伪随机之间的区别。

抽样与点估计

进行抽样的理由

使用 pandas 进行简单抽样

简单抽样与使用 NumPy 计算

便利抽样

样本结论可以推广吗？

这些结论可以推广吗？

伪随机数生成

生成随机数

理解随机种子

抽样入门

现在动手实践，在 Python 中完成 4 种随机抽样方法：简单随机、系统、分层和整群。

简单随机抽样与系统抽样

简单随机抽样

系统抽样

系统抽样没问题吗？

分层与加权随机抽样

抽样类型

分层抽样

应该用哪种抽样方法？

按比例分层抽样

等量分层抽样

加权抽样

整群抽样

聚类的优势

执行聚类抽样

比较抽样方法

3 种抽样方法

比较点估计

抽样方法

来检验您的抽样吧。本章将介绍如何用相对误差量化样本统计量的准确性，并通过生成抽样分布来衡量您估计的变异性。

点估计的相对误差

计算相对误差

相对误差 vs. 样本量

构建抽样分布

重复抽样

重复参数

近似抽样分布

精确抽样分布

生成近似抽样分布

精确 vs. 近似

标准误与中心极限定理

总体均值与抽样分布的均值

总体与抽样分布的变异

抽样分布

您将熟悉再抽样，以执行自助法并估计未知总体的变异性。您还将通过再抽样理解抽样分布与自助法分布之间的区别。

自助法入门

自助法的原理

放回还是不放回？

生成一个自助法分布

比较抽样分布与自助法分布

自助法统计量与总体统计量

抽样分布 vs. 自助法分布

比较抽样均值与自助法均值

比较抽样与自助法的标准差

置信区间

解读置信区间

计算置信区间

恭喜您！

自助法分布

Spotify song attributes

Coffee ratings

Employee attrition

Python 抽样是推断统计和假设检验的基石。它是一项强大的技能，常用于调查分析和实验设计，帮助您在不对整体进行全面调查的情况下得出结论。在本课程 Python 抽样 中，您将了解何时使用抽样，以及如何执行常见的抽样方法——从简单随机抽样到更复杂的分层抽样和整群抽样。借助真实世界的数据集（包括咖啡评分、Spotify 歌曲和员工流失数据），您将学习如何估计总体统计量，并通过生成抽样分布和自助法分布来量化估计的不确定性。

Introduction to Statistics in Python

学习使用Python和统计学从有限数据中得出结论，课程涵盖随机抽样到分层和聚类抽样。

Python 抽样

学会用 Python 和统计学从有限数据中得出结论。 本课程涵盖从随机抽样到分层抽样和整群抽样的所有内容。

简单随机抽样与系统抽样

Create Your Free Account