강의
Python으로 배우는 실험 설계
중급기술 수준
업데이트됨 2026. 6.
PythonProbability & Statistics4시간14 동영상47 연습 문제3,700 XP14,710성취 증명서
무료 계정 만들기
Google에서 계속 진행더 많은 옵션 보기또는
수천 개 기업의 학습자들이 사랑하는
팀을 교육하시나요?
비즈니스용으로 체험해 보세요강의 설명
실험 설계 설정 구현
사용 사례에 가장 적합한 실험 설계 구성을 구현하는 방법을 배워보세요. 무작위 블록 설계와 요인 설계를 어떻게 구현하여 처리 효과를 측정하고 타당하고 정확한 결론을 도출할 수 있는지 알아보세요.실험 데이터에 대한 통계 분석 수행
실험 데이터에 대한 통계 분석 수행을 심층적으로 학습하며, t-검정, ANOVA 검정, 독립성에 대한 카이제곱 검정을 포함해 통계적 검정을 선택하고 수행하는 방법을 익힙니다. ANOVA 검정 후 사후 분석을 수행하여 어떤 쌍별 비교가 유의하게 다른지 정확히 알아보세요.검정력 분석 수행
그룹 간 차이가 통계적으로 유의한지를 넘어, 효과 크기를 측정해 차이가 얼마나 큰지 파악하는 방법을 배워보세요. 가정된 효과 크기를 사용하여 검정력 분석을 수행하고, 필요한 통계적 검정력을 얻기 위해 필요한 최소 표본 크기를 결정합니다. 코헨의 d 공식을 사용하여 일부 샘플 데이터의 효과 크기를 측정하고, 파워 분석에서 사용된 효과 크기 가정이 정확했는지 검정합니다.실험 데이터의 복잡성 해결하기
복잡한 실험 데이터에서 인사이트를 도출하고, 다양한 이해관계자에게 결과를 전달하는 모범 사례를 배워보세요. 실험 데이터에서 상호작용, 이분산성, 교란을 다루어 결론의 타당성을 높이세요. 데이터가 모수 검정의 가정을 충족하지 않을 때, 적절한 비모수 검정을 선택하고 적용하는 방법을 배우게 됩니다.선수 조건
Hypothesis Testing in Python1
실험 설계의 기초
실험 설계에 대한 지식을 쌓으면 최적의 분석 도구로 가설을 검정하고, 작업의 위험을 정량화할 수 있습니다. 이 장에서는 실험 설계의 기본 개념과 블로킹, 층화 등 다양한 설계 방식을 다지며 시작합니다. 이어서 실험 데이터의 정규성을 확인하기 위한 시각적·분석적 검정을 배우고 적용해 봅니다.
2
실험 설계 기법
요인 설계, 무작위 블록 설계, 공변량 보정에 초점을 맞춰 고급 실험 설계 기법을 파고듭니다. 이러한 방법론은 실험 결과의 정확성, 효율성, 해석 가능성을 높이는 데 핵심적입니다. 이론적 통찰과 실습을 결합해 다양한 연구 분야에서 복잡한 실험을 설계, 구현, 분석하는 데 필요한 역량을 갖추게 됩니다.
3
실험 데이터 분석: 통계 검정과 검정력
t-검정, ANOVA, 카이제곱 검정 등 통계 검정을 숙달하고, 사후 분석과 검정력 분석의 핵심을 깊이 있게 학습하세요. 상황에 맞는 적절한 검정을 선택하고, p-value와 오류를 해석하며, Python의 강력한 라이브러리를 활용해 표본 크기와 효과 크기를 결정하기 위한 검정력 분석을 능숙하게 수행하는 방법을 배웁니다.
4
복잡한 실험에서 얻는 고급 인사이트
실험 데이터 분석의 복잡성에 뛰어들어 봅니다. pandas로 인사이트를 종합하고, scipy.stats로 이분산성과 같은 데이터 이슈를 처리하며, Mann-Whitney U 같은 비모수 검정을 적용합니다. 복잡한 데이터를 변환, 시각화, 해석하는 추가 기법을 익혀 다양한 실험 환경에서 견고한 분석을 수행하는 능력을 강화하세요.
Python으로 배우는 실험 설계
강의 완료
19백만 명 이상의 학습자와 함께 Python으로 배우는 실험 설계을(를) 시작하세요!
무료 계정 만들기
Google에서 계속 진행더 많은 옵션 보기또는
DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.
모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.