After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Implementare configurazioni di progettazione sperimentale
Scopri come mettere in atto il setup sperimentale più adatto al tuo caso. Scopri come si possono usare i disegni a blocchi randomizzati e i disegni fattoriali per misurare gli effetti del trattamento e arrivare a conclusioni valide e precise.Fai analisi statistiche sui dati sperimentali
Approfondisci le analisi statistiche sui dati sperimentali, come scegliere e fare test statistici, tipo test t, test ANOVA e test chi-quadrato di associazione. Fai un'analisi post hoc dopo i test ANOVA per capire esattamente quali confronti a coppie sono significativamente diversi.Fai un'analisi della potenza
Impara a misurare l'entità dell'effetto per capire quanto i gruppi sono diversi, oltre al fatto che sono significativamente diversi. Fai un'analisi della potenza usando una dimensione dell'effetto ipotetica per capire la dimensione minima del campione che serve per ottenere la potenza statistica che vuoi. Usa la formula di Cohen's d per vedere quanto è grande l'effetto su alcuni dati campione e controlla se le ipotesi sull'effetto usate nell'analisi della potenza erano giuste.Affrontare le complessità dei dati sperimentali
Prendi informazioni utili da dati sperimentali complicati e scopri i modi migliori per condividere i risultati con i vari interessati. Affronta le cose complicate come le interazioni, l'eteroschedasticità e i fattori di confondimento nei dati sperimentali per rendere le tue conclusioni più valide. Quando i dati non soddisfano i presupposti dei test parametrici, imparerai a scegliere e implementare un test non parametrico appropriato.Prerequisiti
Curriculum
Programma del corso
1
Fondamenti di progettazione sperimentale
Costruire competenze nella progettazione sperimentale ti permette di testare ipotesi con strumenti analitici consolidati e di quantificare il rischio del tuo lavoro. Inizierai definendo cos’è la progettazione sperimentale e i diversi schemi, come blocking e stratificazione. Poi imparerai e applicherai test visivi e analitici di normalità sui dati sperimentali.
- Impostare gli esperimenti50 XP
- Assegnazione non casuale dei soggetti100 XP
- Assegnazione casuale dei soggetti100 XP
- Impostazione dei dati sperimentali50 XP
- Blocco dei dati sperimentali100 XP
- Stratificare un esperimento100 XP
- Quale è stato stratificato?50 XP
- Dati normali50 XP
- Normalità visiva in un esperimento agricolo100 XP
- Normalità analitica in un esperimento agricolo100 XP
2
Tecniche di progettazione sperimentale
Approfondirai tecniche sofisticate di progettazione sperimentale, concentrandoti su factorial design, randomized block design e correzioni per covariate. Queste metodologie sono fondamentali per migliorare accuratezza, efficienza e interpretabilità dei risultati sperimentali. Grazie a una combinazione di teoria e applicazioni pratiche, acquisirai le competenze per progettare, implementare e analizzare esperimenti complessi in diversi ambiti di ricerca.
3
Analisi dei dati sperimentali: test statistici e potenza
Padroneggia test statistici come t-test, ANOVA e Chi-quadro, e approfondisci le analisi post-hoc e le basi della power analysis. Impara a scegliere il test giusto, interpretare p-value ed errori, e condurre con sicurezza una power analysis per determinare dimensione del campione e dell’effetto, sfruttando le potenti librerie di Python per dare vita agli insight sui tuoi dati.
4
Insight avanzati dalla complessità sperimentale
Addentrati nelle complessità dell’analisi dei dati sperimentali. Impara a sintetizzare insight con pandas, a gestire problematiche come l’eteroschedasticità con scipy.stats e ad applicare test non parametrici come Mann-Whitney U. Scopri tecniche aggiuntive per trasformare, visualizzare e interpretare dati complessi, potenziando la tua capacità di condurre analisi robuste in diversi contesti sperimentali.
Progettazione Sperimentale in Python
Corso
completato
