线上澳门葡京网

首页 > 选课中心 > 数据分析 > 【快班】抽样调查
澳门葡京网投开户
【快班】抽样调查
随报随学 共3课 ★☆☆
开课时间 课程周期 难易度
招生中

立即报名
澳门葡京网投开户基础 澳门葡京网投开户数据分析 案例 统计学 抽样调查 方法
课程介绍
对于抽样调查,可能大家的第一印象是统计中常说到的简单随机抽样,但你可知道,在实际生活中,要真正实现简单随机抽样并不是一件容易的事情。若是抽样调查做得不好,通过该样本推断出来的结论基本不可信。——1936年Literary Digest 杂志所做的美国总统民意调查结果与实际大幅偏差。在我们的工作中,各种抽样调查少不了,但是如何省时省力省钱地做好抽样调查也是一门学问。对于不同的调查形式,相应的分析方法也有所不同。 本课程将从案例出发,从案例中学习各种抽样技术以及相应的数据处理技巧。在不同的情形下,选择正确的抽样方法,不仅可以大大节约成本,还能让样本数据的统计计算更加准确,从样本中推测的结果更有参考意义。
课程大纲
第1课:抽样调查的认识与概述:认识真正的抽样调查
第2课:常见抽样方法简介
第3课:抽样数据分析与案例分析
课程试听
课程学费
学费:0元(固定学费:0元 + 逆向学费:0元)
新颖的课程收费形式:“逆向收费”约等于免费学习,课程收取0元固定收费 + 0元逆向学费,学习圆满则全额奖励返还给学员!
特别说明如下
本门课程本来打算完全免费,某位大神曾经说过“成功就是正确的方向再加上适度的压力”。考虑到讲师本身要付出巨大的劳动,为了防止一些朋友在学习途中半途而废,浪费了讲师的付出,为此我们计划模仿某些健身课程,使用“逆向收费”的方法。 在 报名时每位报名者收取0元,其中0元为固定 收费,另外0元是暂存学费,即如果学员能完成全部课程要求,包括完成全部的书面作业,则0元全款退回。如果学员未能坚持到完全所有的学习计划任务,则会被扣款。期望这种方式可以转化为大家强烈的学习愿望和驱动力!
课程授课方式

1、 学习方式:老师发布教学资料、教材,幻灯片和视频,学员通过网络下载学习。同时通过论坛互动中老师对学员进行指导及学员之间相互交流。

2、 学习作业:每课均有布置课后作业,学员完成书面作业后则可进入下一课学习。

3、 老师辅导:通过论坛站内信及邮件等多种方式与老师进行一对一互动。

4、 完成课程:最后一课作业交纳后,老师完成作业批改,即可完成课程并取回相应剩余的逆向学费。

联系我们
咨询Email :edu01@dataguru.cnedu02@dataguru.cn
课程入门讨论咨询QQ群:706821899(群内有培训公开课视频供大家免费观看)
咨询QQ: 点击这里给我发消息 点击这里给我发消息
您是否对此课程还有疑问,那么请 点击进入FAQ,您的问题将基本得到解答
全国统一咨询热线: 4008-010-006
最新技术热点、 最新行业资讯,最新培训课程信息,尽在炼数成金官方微信,低成本传递高端知识!技术成就梦想!欢迎关注!
打开微信,使用扫一扫功能,即刻关注炼数成金官方微信账户,不容错过的精彩,期待您的体验!!!

授课老师

何翠仪何翠仪
何翠仪:中山大学统计学专业毕业,炼数成金专职讲师,在过去曾讲授《大数据的统计学基础》课程,并负责多门炼数成金数据分析课程的助教工作,参与主持建设炼数成金的R语言认证题库系统(即将上线)。

其他快班课程

【快班】基于软件学习数据挖掘算法与案例
【快班】【免费公开课】《Hadoop入门手册》——CDH集群安装
【快班】Datastage基础及开发实践
【快班】OpenAI强化学习实战
【快班】JavaScript从入门到精通
【快班】赢在大数据-人工智能的应用实践
【快班】【免费公开课】《数据科学入门手册》——DSX架构与部署
【快班】【免费公开课】数据科学无难事
【快班】【免费公开课】《Hadoop入门手册》之 虚拟机的安装和使用
【快班】【免费公开课】玩转数据艺术-数据展示技巧应用实战
【快班】【免费公开课】玩转数据科学——IBM DSX
【快班】【免费公开课】《Hadoop入门手册》——Apache Hadoop集群安装
【快班】【免费公开课】赢在大数据-数据化运营落地实战
【快班】大数据管理
【快班】Streams流计算引航公开课
【快班】LATEX公式排版系统引航
【快班】Watson Analytics数据分析应用实战公开课
【快班】数据陷阱解读
【快班】R七种武器之文本挖掘包tm
【快班】R七种武器之可视化JS库HTMLWidgets包
【快班】R七种武器之数据加工厂plyr
【快班】R七种武器之交互化展示包shiny
【快班】R七种武器之网络爬虫RCurl
【快班】R七种武器之数据可视化包ggplot2
【快班】R七种武器之金融数据分析quantmod
【快班】Java经验谈
【快班】Go语言实战编程
【快班】DB2 V11新特性全解析
【快班】DB2数据库引航公开课
【快班】STATA统计分析入门
【快班】初识正则表达式
【快班】perl语言入门
【快班】Scala语言入门
【快班】Puppet 运维自动化
【快班】Qt编程快速入门
【快班】python web框架企业实战详解
【快班】数据治理及数据仓库模型设计
【快班】DevSecOps安全交付应用实战
【快班】JavaScript突击-从精通到项目实战
【快班】R语言魔鬼训练营
【快班】基于案例学习bash脚本编程
【快班】量化投资基础计算与模型
【快班】老板说服术之玩转数据展示
【快班】数据库系统实现技术内幕
【快班】Goldengate从入门到精通
【快班】Oracle 12c特性解读-容器数据库和灾备
【快班】Oracle 12C RAC集群原理与管理实战
【快班】Mycat从入门到精通
【快班】基于案例学SQL优化
【快班】大型电商分布式系统实践
【快班】深入理解Storm与大数据实战
【快班】Java魔鬼训练营
【快班】面试突击-数据结构与算法速成
【快班】Excel数据分析师突击—从入门到精通到项目实战
【快班】自己动手实践神经网络
【快班】自然语言处理软件实验
【快班】Redis技术实战
【快班】推荐系统
【快班】MongoDB实战
【快班】应用系统架构优化方法与案例实战
【快班】HBase从入门到精通
【快班】Hive数据仓库实践
【快班】Hadoop数据分析平台
【快班】数据分析与SAS
【快班】比特币
【快班】机器读心术之文本挖掘与自然语言处理
【快班】机器读心术之神经网络与深度学习
【快班】快速上手Jmeter性能测试工具
【快班】软件性能测试
【快班】软件自动化测试Selenium2
【快班】大数据必知的java基础
【快班】快速数据挖掘平台RapidMiner
【快班】R语言编程技巧
【快班】深入BI之Kettle篇
【快班】基于案例学Java服务器端程序设计
【快班】Scala从基础到开发实战
【快班】供应链物流—电商发展的“核”动力
【快班】详解SQL与PL/SQL
【快班】Oracle职业直通车
【快班】深度玩转Excel
【快班】Hadoop应用开发实战案例
【快班】大数据的Linux基础
【快班】机器学习
【快班】量化投资
【快班】SPSS数据分析入门与提高
【快班】Python数据分析
【快班】NoSQL与NewSQL数据库引航
【快班】大数据算法导论
【快班】大数据的矩阵计算基础
【快班】R语言数据分析、展现与实例
【快班】大数据的统计学基础

热招课程

◆ 计算机视觉:从入门到精通,极限剖析图像识别学习算法(第二期)
◆ 股票投资高手武器系列之缠论系统(第四期)
◆ 【百万年薪系列】视觉的盛宴:深度玩转人脸识别(第五期)
◆ Python全栈学习——Python基础及Web开发(第三期)
◆ 【免费公开课】数据库设计(第28期)
◆ 黄美灵的Spark ML机器学习实战(第五期)
◆ Oracle SQL Tuning(DSI系列Ⅲ)(第三期)
◆ 实战Java高并发程序设计(第16期)
◆ Python金融业数据化运营实战(第三期)
◆ 【百万年薪系列】跨境追踪关键技术导引(第一期)
◆ 【免费公开课】Julia快速数据分析(第八期)
◆ 互联网金融中的交易反欺诈模型(第五期)
◆ Kafka原理剖析及实战演练(第12期)
◆ OpenCV计算机视觉产品实战(第九期)
◆ MySQL DBA从小白到大神实战(第13期)
◆ 计算机视觉与深度学习实战(第四期)
◆ 深度玩转Excel(第18期)
◆ 让服务飞起来:实时计算及其应用(第七期)
◆ PL/SQL实战魔鬼训练营(第五期)
◆ 开启智慧眼-深度玩转计算机视觉与机器认知(第五期)
◆ 软件架构必备基础(第七期)
◆ Python突击—从入门到精通到项目实战(第15期)
◆ 【免费公开课】数据陷阱解读(第37期)
◆ Go语言实战编程(第五期)
◆ Hive数据仓库实践(第八期)
◆ Oracle特殊恢复原理与实战(DSI系列)(第七期)
◆ 股票投资基础之技术分析(第六期)
◆ Java Web开发精讲(第四期)
◆ 人脸识别90天速成特训班(第四期)
◆ 【免费公开课】R七种武器之金融数据分析quantmod(第43期)
◆ 深入浅出设计模式(第五期)
◆ 区块链新时代:技术原理与实操(第三期)
◆ Tensorflow工程师职场实战技(第四期)
◆ Hadoop集群原理与运维实践(第七期)
◆ Oracle 12c特性解读-容器数据库和灾备(第七期)
◆ Web全栈开发理论与实践(第四期)
◆ 【百万年薪系列】宽度学习实战及算法解析(第二期)
◆ Elastic Stack实战(第三期)

GMT+8, 2019-3-28 16:43 , Processed in 0.127210 second(s), 25 queries .