Direkt zum Inhalt
StartseiteR

Sampling in R

Master sampling to get more accurate statistics with less data.

Kurs Kostenlos Starten
4 Stunden15 Videos51 Übungen18.045 LernendeTrophyLeistungsnachweis

Kostenloses Konto erstellen

GoogleLinkedInFacebook

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.
Group

Trainierst du 2 oder mehr?

Versuchen DataCamp for Business

Beliebt bei Lernenden in Tausenden Unternehmen

Kursbeschreibung

Sampling is a cornerstone of inference statistics and hypothesis testing. It's tremendously important in survey analysis and experimental design. This course explains when and why sampling is important, teaches you how to perform common types of sampling, from simple random sampling to more complex methods like stratified and cluster sampling. Later, the course covers estimating population statistics, and quantifying uncertainty in your estimates by generating sampling distributions and bootstrap distributions. Throughout the course, you'll explore real-world datasets on coffee ratings, Spotify songs, and employee attrition.
Für Unternehmen

Trainierst du 2 oder mehr?

Verschaffen Sie Ihrem Team Zugriff auf die vollständige DataCamp-Plattform, einschließlich aller Funktionen.
DataCamp Für UnternehmenFür eine maßgeschneiderte Lösung buchen Sie eine Demo.

In den folgenden Tracks

Zertifizierung verfügbar

Datenanalyst mit R

Gehe zu Track
Zertifizierung verfügbar

Associate Data Scientist in R

Gehe zu Track

Statistiker mit R

Gehe zu Track
  1. 1

    Introduction to Sampling

    Kostenlos

    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.

    Kapitel Jetzt Abspielen
    Sampling and point estimates
    50 xp
    Reasons for sampling
    50 xp
    Simple sampling with dplyr
    100 xp
    Simple sampling with base-R
    100 xp
    Convenience sampling
    50 xp
    Are findings from the sample generalizable?
    100 xp
    Are these findings generalizable?
    100 xp
    Pseudo-random number generation
    50 xp
    Generating random numbers
    100 xp
    Understanding random seeds
    100 xp
  2. 2

    Sampling Methods

    Learn how to and when to perform the four methods of random sampling: simple, systematic, stratified, and cluster.

    Kapitel Jetzt Abspielen
    Simple random and systematic sampling
    50 xp
    Simple random sampling
    100 xp
    Systematic sampling
    100 xp
    Is systematic sampling OK?
    100 xp
    Stratified and weighted random sampling
    50 xp
    Which sampling method?
    100 xp
    Proportional stratified sampling
    100 xp
    Equal counts stratified sampling
    100 xp
    Weighted sampling
    100 xp
    Cluster sampling
    50 xp
    Benefits of clustering
    50 xp
    Performing cluster sampling
    100 xp
    Comparing sampling methods
    50 xp
    3 kinds of sampling
    100 xp
    Summary statistics on different kinds of sample
    100 xp
  3. 3

    Sampling Distributions

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

    Kapitel Jetzt Abspielen
    Relative error of point estimates
    50 xp
    Calculating relative errors
    100 xp
    Relative error vs. sample size
    50 xp
    Creating a sampling distribution
    50 xp
    Replicating samples
    100 xp
    Replication parameters
    50 xp
    Approximate sampling distributions
    50 xp
    Exact sampling distribution
    100 xp
    Approximate sampling distribution
    100 xp
    Exact vs. approximate
    50 xp
    Standard errors and the Central Limit Theorem
    50 xp
    Population & sampling distribution means
    100 xp
    Population and sampling distribution variation
    100 xp
  4. 4

    Bootstrap 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.

    Kapitel Jetzt Abspielen
    Introduction to bootstrapping
    50 xp
    Principles of bootstrapping
    100 xp
    With or without replacement
    100 xp
    Generating a bootstrap distribution
    100 xp
    Comparing sampling and bootstrap distributions
    50 xp
    Bootstrap statistics and population statistics
    50 xp
    Sampling distribution vs. bootstrap distribution
    100 xp
    Compare sampling and bootstrap means
    100 xp
    Compare sampling and bootstrap standard deviations
    100 xp
    Confidence intervals
    50 xp
    Confidence interval interpretation
    50 xp
    Calculating confidence intervals
    100 xp
    Congratulations!
    50 xp
Für Unternehmen

Trainierst du 2 oder mehr?

Verschaffen Sie Ihrem Team Zugriff auf die vollständige DataCamp-Plattform, einschließlich aller Funktionen.

In den folgenden Tracks

Zertifizierung verfügbar

Datenanalyst mit R

Gehe zu Track
Zertifizierung verfügbar

Associate Data Scientist in R

Gehe zu Track

Statistiker mit R

Gehe zu Track

In anderen Tracks

Grundlagen der Statistik mit R

Datensätze

Coffee ratingsSpotify song attributesEmployee attrition

Mitwirkende

Collaborator's avatar
Dr. Chester Ismay

Voraussetzungen

Introduction to Statistics in R
Richie Cotton HeadshotRichie Cotton

Data Evangelist at DataCamp

Mehr Anzeigen

Was sagen andere Lernende?

    Melden Sie sich an 15 Millionen Lernende und starten Sie Sampling in R Heute!

    Kostenloses Konto erstellen

    GoogleLinkedInFacebook

    oder

    Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.