Sampling in Python
Kurs Kostenlos Starten4 Stunden15 Videos51 Übungen34.619 LernendeLeistungsnachweis
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.Trainierst du 2 oder mehr?
Versuchen DataCamp for BusinessBeliebt bei Lernenden in Tausenden Unternehmen
Kursbeschreibung
Die Stichprobenziehung in Python ist der Eckpfeiler der Inferenzstatistik und der Hypothesentests. Diese Methode wird bei der Analyse von Umfragen und bei der Versuchsplanung eingesetzt, um Schlussfolgerungen zu ziehen, ohne eine ganze Bevölkerung zu befragen. In diesem Kurs über Stichproben in Python erfährst du, wann du Stichproben verwenden solltest und wie du gängige Arten von Stichproben durchführst - von einfachen Zufallsstichproben bis hin zu komplexeren Methoden wie geschichteten Stichproben und Clusterstichproben. Anhand von realen Datensätzen wie Kaffeebewertungen, Spotify-Songs und Mitarbeiterfluktuation lernst du, Populationsstatistiken zu schätzen und die Unsicherheit in deinen Schätzungen zu quantifizieren, indem du Stichprobenverteilungen und Bootstrap-Verteilungen erstellst.
Trainierst du 2 oder mehr?
Verschaffen Sie Ihrem Team Zugriff auf die vollständige DataCamp-Plattform, einschließlich aller Funktionen.In den folgenden Tracks
Grundlagen der Statistik mit Python
Gehe zu Track- 1
Einführung in die Probenahme
KostenlosLerne, was Sampling ist und warum es so wirkungsvoll ist. Außerdem erfährst du etwas über die Probleme, die durch Zufallsstichproben entstehen, und über die Unterschiede zwischen echtem Zufall und Pseudozufall.
Stichproben und Punktschätzungen50 xpGründe für die Probenahme50 xpEinfaches Sampling mit Pandas100 xpEinfache Stichproben und Berechnungen mit NumPy100 xpConvenience Sampling50 xpSind die Ergebnisse der Stichprobe verallgemeinerbar?100 xpSind diese Ergebnisse verallgemeinerbar?100 xpPseudo-Zufallszahlengenerierung50 xpZufallszahlen generieren100 xpZufällige Samen verstehen100 xp - 2
Probenahme-Methoden
Jetzt ist es an der Zeit, die vier Zufallsstichprobenmethoden in Python anzuwenden: einfache, systematische, geschichtete und Cluster-Stichproben.
Einfache Zufallsstichproben und systematische Stichproben50 xpEinfache Zufallsstichprobe100 xpSystematische Probenahme100 xpIst die systematische Probenahme OK?100 xpGeschichtete und gewichtete Zufallsstichproben50 xpWelche Stichprobenmethode?100 xpProportionale geschichtete Stichproben100 xpGleiche Anzahl geschichteter Stichproben100 xpGewichtete Stichproben100 xpCluster-Stichproben50 xpVorteile des Clustering50 xpDurchführung von Cluster-Stichproben100 xpVergleich von Stichprobenmethoden50 xp3 Arten der Probenahme100 xpVergleich von Punktschätzungen100 xp - 3
Stichprobenverteilungen
Lass uns deine Stichproben testen. In diesem Kapitel erfährst du, wie du die Genauigkeit von Stichprobenstatistiken mit Hilfe von relativen Fehlern quantifizierst und die Variation deiner Schätzungen durch die Erstellung von Stichprobenverteilungen misst.
Relativer Fehler der Punktschätzungen50 xpBerechnung der relativen Fehler100 xpRelativer Fehler vs. Stichprobengröße50 xpErstellen einer Stichprobenverteilung50 xpReplizieren von Proben100 xpReplikationsparameter50 xpAnnähernde Stichprobenverteilungen50 xpExakte Stichprobenverteilung100 xpGenerierung einer approximativen Stichprobenverteilung100 xpGenau vs. Ungefähr50 xpStandardfehler und der zentrale Grenzwertsatz50 xpMittelwerte der Bevölkerung und der Stichprobenverteilung100 xpVariation der Population und der Stichprobenverteilung100 xp - 4
Bootstrap-Verteilungen
Du wirst dich mit dem Resampling auseinandersetzen, um Bootstrapping durchzuführen und die Variation in einer unbekannten Population zu schätzen. Du lernst den Unterschied zwischen Stichprobenverteilungen und Bootstrap-Verteilungen mit Resampling.
Einführung in das Bootstrapping50 xpGrundsätze des Bootstrapping100 xpMit oder ohne Ersatz?100 xpErzeugen einer Bootstrap-Verteilung100 xpVergleich von Stichproben- und Bootstrap-Verteilungen50 xpBootstrap-Statistiken und Bevölkerungsstatistiken50 xpStichprobenverteilung vs. Bootstrap-Verteilung100 xpStichproben- und Bootstrap-Mittelwerte vergleichen100 xpVergleich von Stichproben- und Bootstrap-Standardabweichungen100 xpKonfidenzintervalle50 xpInterpretation des Konfidenzintervalls50 xpBerechnung von Konfidenzintervallen100 xpHerzlichen Glückwunsch!50 xp
Trainierst du 2 oder mehr?
Verschaffen Sie Ihrem Team Zugriff auf die vollständige DataCamp-Plattform, einschließlich aller Funktionen.In den folgenden Tracks
Grundlagen der Statistik mit Python
Gehe zu TrackMitwirkende
Voraussetzungen
Introduction to Statistics in Python
Was sagen andere Lernende?
Melden Sie sich an 15 Millionen Lernende und starten Sie Sampling in Python Heute!
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.