Lewati ke konten utama

Kursus

Perancangan Eksperimen dengan Python

MenengahTingkat Keterampilan

Diperbarui 06/2026

Terapkan pengaturan desain eksperimen dan lakukan analisis statistik yang kuat untuk menarik kesimpulan yang tepat dan valid!

Mulai Kursus Gratis

PythonProbability & Statistics

4 jam

14 videos

47 Latihan

3,700 XP

14,521

Pernyataan Pencapaian

Dipercaya oleh para pelajar di ribuan perusahaan

Melatih Tim?

Coba untuk Bisnis

Deskripsi Kursus

Implementasikan Pengaturan Desain Eksperimental

Pelajari cara menerapkan desain eksperimen yang paling sesuai untuk kasus penggunaan Anda. Pelajari cara menerapkan desain blok acak dan desain faktorial untuk mengukur efek perlakuan dan menarik kesimpulan yang valid dan akurat.

Melakukan Analisis Statistik pada Data Eksperimental

Mendalami analisis statistik pada data eksperimental, termasuk pemilihan dan pelaksanaan uji statistik, seperti uji t, uji ANOVA, dan uji chi-square untuk menguji hubungan. Lakukan analisis post-hoc setelah uji ANOVA untuk menentukan secara tepat perbandingan pasangan mana yang secara signifikan berbeda.

Lakukan Analisis Daya

Pelajari cara mengukur ukuran efek untuk menentukan sejauh mana kelompok-kelompok berbeda, di luar perbedaan yang signifikan. Lakukan analisis daya uji menggunakan ukuran efek yang diasumsikan untuk menentukan ukuran sampel minimum yang diperlukan untuk mencapai daya uji statistik yang diinginkan. Gunakan rumus Cohen's d untuk mengukur ukuran efek pada data sampel tertentu, dan uji apakah asumsi ukuran efek yang digunakan dalam analisis daya uji akurat.

Mengatasi Kompleksitas dalam Data Eksperimental

Ekstrak wawasan dari data eksperimental yang kompleks dan pelajari praktik terbaik untuk menyampaikan temuan kepada berbagai pemangku kepentingan. Atasi kompleksitas seperti interaksi, heteroskedastisitas, dan faktor pengganggu dalam data eksperimental untuk meningkatkan validitas kesimpulan Anda. Ketika data tidak memenuhi asumsi uji parametrik, Anda akan belajar memilih dan menerapkan uji nonparametrik yang sesuai.

Persyaratan

Hypothesis Testing in Python

1

Dasar-dasar Perancangan Eksperimen

Membangun pengetahuan dalam perancangan eksperimen memungkinkan Anda menguji hipotesis dengan alat analitis berpraktik terbaik dan mengkuantifikasi risiko pekerjaan Anda. Anda akan memulai dengan meletakkan dasar tentang apa itu perancangan eksperimen dan berbagai pengaturannya seperti blocking dan stratifikasi. Anda kemudian akan mempelajari dan menerapkan uji visual serta analitis untuk kenormalan pada data eksperimen.

Menyiapkan eksperimen

Penugasan subjek non-acak

Penugasan acak subjek

Penyiapan data eksperimen

Pemblokiran data eksperimen

Melakukan stratifikasi pada sebuah eksperimen

Manakah yang distratifikasi?

Data normal

Kenormalan visual dalam sebuah eksperimen pertanian

Normalitas analitik dalam eksperimen pertanian

2

Teknik Perancangan Eksperimen

Anda akan mendalami teknik perancangan eksperimen yang lebih canggih, berfokus pada rancangan faktorial, rancangan blok acak, dan penyesuaian kovariat. Metodologi ini berperan penting dalam meningkatkan ketelitian, efisiensi, dan keterjelasan hasil eksperimen. Melalui perpaduan wawasan teoretis dan penerapan praktis, Anda akan memperoleh keterampilan untuk merancang, mengimplementasikan, dan menganalisis eksperimen kompleks di berbagai bidang penelitian.

Desain faktorial: prinsip dan penerapan

Memahami efektivitas kampanye pemasaran

Heatmap interaksi kampanye

Desain faktorial dan desain blok acak

Desain blok acak: mengendalikan varians

Menerapkan randomized block design

Memvisualisasikan produktivitas dalam blok berdasarkan insentif

ANOVA dalam blok karyawan

Penyesuaian kovariat dalam rancangan eksperimen

Pentingnya kovariat

Penyesuaian kovariat pada pertumbuhan anak ayam

3

Menganalisis Data Eksperimen: Uji Statistik dan Daya

Kuasai uji statistik seperti t-test, ANOVA, dan Chi-Square, serta dalami analisis post-hoc dan dasar-dasar analisis daya. Pelajari cara memilih uji yang tepat, menafsirkan p-value dan galat, serta melakukan analisis daya untuk menentukan ukuran sampel dan ukuran efek, sambil memanfaatkan pustaka Python yang kuat untuk mewujudkan wawasan data Anda.

Memilih uji statistik yang tepat

Memilih uji yang tepat: petrokimia

Memilih uji yang tepat: sumber daya manusia

Memilih uji yang tepat: keuangan

Analisis post-hoc setelah ANOVA

ANOVA untuk pengobatan kecemasan

Menerapkan Tukey's HSD

Menerapkan koreksi Bonferroni

P-value, alpha, dan galat

Menganalisis daya tahan mainan

Memvisualisasikan perbedaan ketahanan

Peran tingkat signifikansi

Analisis daya: ukuran sampel dan efek

Tujuan ukuran efek

Mengestimasi ukuran sampel yang diperlukan untuk studi energi

4

Wawasan Lanjutan dari Kompleksitas Eksperimen

Masuki kompleksitas analisis data eksperimen. Pelajari cara mensintesis wawasan menggunakan pandas, menangani isu data seperti heteroskedastisitas dengan scipy.stats, dan menerapkan uji nonparametrik seperti Mann-Whitney U. Pelajari teknik tambahan untuk mentransformasikan, memvisualisasikan, dan menafsirkan data kompleks, sehingga meningkatkan kemampuan Anda melakukan analisis yang andal dalam berbagai pengaturan eksperimen.

Mensintesis wawasan dari eksperimen yang kompleks

Memvisualisasikan hasil persetujuan pinjaman

Mengeksplorasi kepuasan pelanggan

Mengomunikasikan data eksperimen secara efektif

Menangani kompleksitas dalam data eksperimen

Periksa heteroskedastisitas pada masa simpan

Mengeksplorasi dan mentransformasikan data masa simpan

Menerapkan uji nonparametrik dalam analisis eksperimen

Memvisualisasikan dan menguji metode pengawetan

Menganalisis lebih lanjut teknik pengawetan makanan

Perancangan Eksperimen dengan Python

Kursus
Selesai

Memperoleh Surat Keterangan Prestasi

Tambahkan kredensial ini ke profil LinkedIn, resume, atau CV Anda
Bagikan di media sosial dan dalam penilaian kinerja AndaDaftar sekarang

Bergabung dengan 19 juta pelajar dan mulai Perancangan Eksperimen dengan Python Hari Ini!

Kembangkan keterampilan data Anda dengan DataCamp untuk Mobile

Buat kemajuan di mana saja dengan kursus mobile kami dan tantangan coding harian 5 menit.