Статистические методы выборки с использованием Python

Сбор надежных данных — основа любого достоверного статистического анализа, однако сбор полных совокупностей редко бывает практичным или возможным. Этот текстовый курс проведет вас через основные принципы статистической выборки и покажет, как проектировать, выполнять и оценивать репрезентативные выборки с использованием современных инструментов Python. Работая с практическими письменными объяснениями и реализациями кода, вы научитесь выбирать правильные стратегии выборки для обеспечения обоснованных выводов и минимизации систематической ошибки отбора. Что вы узнаете: - Понимание основной терминологии, параметров совокупности, выборочных статистик и основ теории вероятностей - Реализация простой случайной выборки, систематической выборки и стратифицированной выборки в Python - Применение кластерной выборки и многоступенчатой выборки к структурированным наборам данных - Расчет оптимальных требований к размеру выборки и определение погрешностей - Практика методов повторной выборки, включая бутстрэппинг и методы перекрестной проверки с использованием современных библиотек - Выявление систематической ошибки выборки и применение пост-стратификационного взвешивания для корректировки оценок Курс начинается с основных определений и статистической теории, прежде чем шаг за шагом перейти к реализации кода и реальным аналитическим сценариям. Этот курс предназначен для начинающих в области анализа данных, исследований и программирования; предварительный опыт статистического моделирования не требуется. Начните читать, чтобы сегодня же создавать точные, воспроизводимые рабочие процессы выборки в Python.