Weiter zum Inhalt

Kostenlos Kurs

Versuchsplanung in R

FortgeschrittenSchwierigkeitsgrad

Aktualisiert 12/2025

Dieser Kurs fokussiert sich auf die Grundlagen der Versuchsplanung – ein wichtiger Teil jeder Datenanalyse.

Kostenlosen Kurs starten

Kostenlos enthalten

RProbability & Statistics

4 Std.

13 Videos

53 Übungen

4,450 XP

20,224

Leistungsnachweis

Beliebt bei Lernenden in Tausenden Unternehmen

Training a Team?

Try for Business

Kursbeschreibung

Versuchsplanung ist ein entscheidender Teil der Datenanalyse – in jedem Bereich, ob Business, Gesundheit oder Tech. Wenn du mit Daten eine Frage beantworten willst, brauchst du ein gut geplantes Experiment! In diesem Kurs lernst du die Grundlagen der Versuchsplanung kennen, darunter Block- und faktorielles Design, sowie gängige statistische Tests wie t-Tests und ANOVAs. Du arbeitest mit integrierten R-Daten und realen Datensätzen, darunter die CDC-NHANES-Umfrage, SAT-Ergebnisse von New Yorker öffentlichen Schulen und Lending-Club-Kreditdaten. Nach dem Kurs kannst du eigene Experimente entwerfen und auswerten!

Voraussetzungen

Hypothesis Testing in R

1

Introduction to Experimental Design

An introduction to key parts of experimental design plus some power and sample size calculations.

Introduction to experimental design

A basic experiment

Randomization

Replication and blocking

Replication

Hypothesis testing

One sided vs. Two-sided tests

pwr package Help Docs exploration

Power & Sample Size Calculations

Kapitel starten

2

Basic Experiments

Explore the Lending Club dataset plus build and validate basic experiments, including an A/B test.

ANOVA, single, and multiple factor experiments

Exploratory Data Analysis (EDA) Lending Club

How does loan purpose affect amount funded?

Which loan purpose mean is different?

Multiple Factor Experiments

Model validation

Pre-modeling EDA

Post-modeling validation plots + variance

Kruskal-Wallis rank sum test

A/B testing

Which post-A/B test test?

Sample size for A/B test

Basic A/B test

A/B tests vs. multivariable experiments

Kapitel starten

3

Randomized Complete and Balanced Incomplete Block Designs

Use the NHANES data to build a RCBD and BIBD experiment, including model validation and design tips to make sure the BIBD is valid.

Intro to NHANES and sampling

NHANES dataset construction

NHANES Data Cleaning

Resampling NHANES data

Randomized Complete Block Designs (RCBD)

Which is NOT a good blocking factor?

Drawing RCBDs with Agricolae

NHANES RCBD

RCBD Model Validation

Balanced Incomplete Block Designs (BIBD)

Is a BIBD even possible?

Drawing BIBDs with agricolae

BIBD - cat's kidney function

NHANES BIBD

Kapitel starten

4

Latin Squares, Graeco-Latin Squares, and Factorial Experiments

Evaluate the NYC SAT scores data and deal with its missing values, then evaluate Latin Square, Graeco-Latin Square, and Factorial experiments.

Latin squares

NYC SAT Scores EDA

Dealing with Missing Test Scores

Drawing Latin Squares with agricolae

Latin Square with NYC SAT Scores

Graeco-Latin squares

NYC SAT Scores Data Viz

Drawing Graeco-Latin Squares with agricolae

Graeco-Latin Square with NYC SAT Scores

Factorial experiments

NYC SAT Scores Factorial EDA

Factorial Experiment with NYC SAT Scores

Evaluating the NYC SAT Scores Factorial Model

What's next in experimental design?

Kapitel starten

Versuchsplanung in R

Kurs
abgeschlossen

Leistungsnachweis verdienen

Füge diesen Fähigkeitsnachweis zu Deinem LinkedIn-Profil, Anschreiben oder Lebenslauf hinzu
Teile es auf Social Media und in Deiner LeistungsbeurteilungJetzt anmelden

Schließe dich 19 Millionen Lernenden an und starte Versuchsplanung in R heute!

DataCamp gibt es auch für Mobilgeräte

Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.