Amostragem em Python
Aprenda a tirar conclusões de dados limitados com Python e estatística. Curso inclui amostragem variada.
Comece O Curso Gratuitamente4 horas15 vídeos51 exercícios
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.Treinar 2 ou mais pessoas?Experimente o DataCamp For Business
Amado por alunos de milhares de empresas
Descrição do Curso
A amostragem em Python é a base das estatísticas de inferência e dos testes de hipóteses. É uma habilidade poderosa usada na análise de pesquisas e no projeto experimental para tirar conclusões sem pesquisar uma população inteira. Neste curso de Amostragem em Python, você descobrirá quando usar a amostragem e como realizar tipos comuns de amostragem, desde a amostragem aleatória simples até métodos mais complexos, como a amostragem estratificada e de cluster. Usando conjuntos de dados do mundo real, incluindo classificações de café, músicas do Spotify e desgaste de funcionários, você aprenderá a estimar estatísticas populacionais e quantificar a incerteza em suas estimativas gerando distribuições de amostragem e distribuições de bootstrap.
Para Empresas
Treinar 2 ou mais pessoas?
Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizadosNas seguintes faixas
Fundamentos de estatística com Python
Ir para a trilha- 1
Introdução à amostragem
GratuitoSaiba o que é amostragem e por que ela é tão poderosa. Você também aprenderá sobre os problemas causados pela amostragem por conveniência e as diferenças entre a verdadeira aleatoriedade e a pseudoaleatoriedade.
Amostragem e estimativas pontuais50 xpRazões para a amostragem50 xpAmostragem simples com pandas100 xpAmostragem e cálculo simples com o NumPy100 xpAmostragem por conveniência50 xpOs resultados da amostra são generalizáveis?100 xpEssas descobertas são generalizáveis?100 xpGeração de números pseudo-aleatórios50 xpGeração de números aleatórios100 xpEntendendo as sementes aleatórias100 xp - 2
Métodos de amostragem
Chegou a hora de você colocar a mão na massa e executar os quatro métodos de amostragem aleatória em Python: simples, sistemático, estratificado e agrupado.
Amostragem aleatória simples e sistemática50 xpAmostragem aleatória simples100 xpAmostragem sistemática100 xpA amostragem sistemática é OK?100 xpAmostragem aleatória estratificada e ponderada50 xpQual método de amostragem?100 xpAmostragem estratificada proporcional100 xpAmostragem estratificada com contagens iguais100 xpAmostragem ponderada100 xpAmostragem por cluster50 xpBenefícios do clustering50 xpRealização de amostragem por cluster100 xpComparação de métodos de amostragem50 xp3 tipos de amostragem100 xpComparação de estimativas pontuais100 xp - 3
Distribuições de amostragem
Vamos testar sua amostragem. Neste capítulo, você descobrirá como quantificar a precisão das estatísticas de amostra usando erros relativos e medir a variação nas estimativas gerando distribuições de amostragem.
Erro relativo das estimativas pontuais50 xpCálculo de erros relativos100 xpErro relativo vs. tamanho da amostra50 xpCriando uma distribuição de amostragem50 xpReplicação de amostras100 xpParâmetros de replicação50 xpDistribuições de amostragem aproximadas50 xpDistribuição exata de amostragem100 xpGeração de uma distribuição de amostragem aproximada100 xpExato vs. aproximado50 xpErros padrão e o Teorema do Limite Central50 xpMédia da distribuição da população e da amostragem100 xpVariação da distribuição da população e da amostragem100 xp - 4
Distribuições de bootstrap
Você aprenderá a usar a reamostragem para realizar o bootstrapping e estimar a variação em uma população desconhecida. Você aprenderá a diferença entre distribuições de amostragem e distribuições de bootstrap usando reamostragem.
Introdução ao bootstrapping50 xpPrincípios de bootstrapping100 xpCom ou sem substituição?100 xpGeração de uma distribuição bootstrap100 xpComparação das distribuições de amostragem e bootstrap50 xpEstatísticas de bootstrap e estatísticas populacionais50 xpDistribuição de amostragem vs. distribuição bootstrap100 xpCompare as médias de amostragem e de bootstrap100 xpCompare os desvios padrão de amostragem e bootstrap100 xpIntervalos de confiança50 xpInterpretação do intervalo de confiança50 xpCálculo de intervalos de confiança100 xpParabéns!50 xp
Para Empresas
Treinar 2 ou mais pessoas?
Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizadosNas seguintes faixas
Fundamentos de estatística com Python
Ir para a trilhacolaboradores
pré-requisitos
Introduction to Statistics in PythonJames Chapman
Ver Mais
Curriculum Manager, DataCamp
O que os outros alunos têm a dizer?
Junte-se a mais de 14 milhões de alunos e comece Amostragem em Python hoje mesmo!
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.