Ga naar hoofdinhoud

Cursus

Experimenteel ontwerpen in Python

Gevorderd beginner4 u

Experimentele onderzoeksopzetten implementeren en robuuste statistische analyses uitvoeren om nauwkeurige en geldige conclusies te trekken!

Python4 u14 video's47 oefeningen3,700 XP15,010Bewijs van voltooiing

Maak je gratis account aan

Ga verder met Google
of
Door verder te gaan accepteer je onze Gebruiksvoorwaarden, onze Privacybeleid en dat uw gegevens in de VS worden opgeslagen.

Geliefd bij learners van duizenden bedrijven

Cursusbeschrijving

Experimentele onderzoeksopzetten implementeren

Leer hoe je de meest geschikte opzet voor experimenteel ontwerp implementeert voor jouw use case. Leer hoe gerandomiseerde blokontwerpen en factoriële ontwerpen kunnen worden toegepast om behandelingseffecten te meten en geldige en nauwkeurige conclusies te trekken.

Voer statistische analyses uit op experimentele gegevens

Duik diep in het uitvoeren van statistische analyses op experimentele data, inclusief het selecteren en uitvoeren van statistische toetsen, zoals t-toetsen, ANOVA-toetsen en chi-kwadraattoetsen voor associatie. Voer post-hoc analyse uit na ANOVA-tests om precies te ontdekken welke paarvergelijkingen significant van elkaar verschillen.

Voer poweranalyse uit

Leer hoe je de effectgrootte meet om te bepalen in welke mate groepen van elkaar verschillen, naast het feit dat ze significant verschillend zijn. Voer een poweranalyse uit met een veronderstelde effectgrootte om de minimale steekproefomvang te bepalen die nodig is om een vereiste statistische power te bereiken. Gebruik Cohen's d-formulering om de effectgrootte voor enkele voorbeeldgegevens te meten en test of de aannames over de effectgrootte die in de poweranalyse zijn gebruikt, nauwkeurig waren.

Complexiteiten in experimentele data aanpakken

Haal inzichten uit complexe experimentele data en leer best practices voor het communiceren van bevindingen aan verschillende stakeholders. Pak complexiteiten aan zoals interacties, heteroscedasticiteit en confounding in experimentele data om de validiteit van je conclusies te verbeteren. Wanneer data niet voldoet aan de aannames van parametrische toetsen, leer je een geschikte niet-parametrische toets te kiezen en toe te passen.

Vereisten

Curriculum

Cursusoverzicht

1

Basis van experimenteel ontwerp

Kennis van experimenteel ontwerp stelt je in staat hypotheses te testen met best practices en het risico van je werk te kwantificeren. Je begint met de basis van wat experimenteel ontwerp is en verschillende opzetten zoals blokken en stratificatie. Daarna leer en pas je visuele en analytische toetsen voor normaliteit op experimentele data toe.
Start hoofdstuk
2

Technieken voor experimenteel ontwerp

Je gaat aan de slag met geavanceerde technieken voor experimenteel ontwerp, met focus op factoriële ontwerpen, gerandomiseerde blokontwerpen en covariabele-aanpassingen. Deze methoden zijn cruciaal om de nauwkeurigheid, efficiëntie en uitlegbaarheid van experimentele resultaten te verbeteren. Met een combinatie van theoretische inzichten en praktische toepassingen ontwikkel je de vaardigheden om complexe experimenten te ontwerpen, uit te voeren en te analyseren in uiteenlopende onderzoeksdomeinen.
Start hoofdstuk
3

Analyseren van experimentele data: statistische toetsen en power

Beheers statistische toetsen zoals t-toetsen, ANOVA en Chi-kwadraat, en duik diep in post-hocanalyses en de basis van poweranalyse. Leer de juiste toets kiezen, p-waarden en fouten interpreteren en vaardig poweranalyses uitvoeren om steekproef- en effectgroottes te bepalen, terwijl je gebruikmaakt van de krachtige Python-bibliotheken om je data-inzichten tot leven te brengen.
Start hoofdstuk
4

Verdiepende inzichten uit experimentele complexiteit

Duik in de complexiteit van het analyseren van experimentele data. Leer inzichten te synthetiseren met pandas, dataproblemen zoals heteroscedasticiteit aan te pakken met scipy.stats en niet-parametrische toetsen zoals Mann-Whitney U toe te passen. Ontdek extra technieken om complexe data te transformeren, visualiseren en interpreteren, zodat je robuuste analyses kunt uitvoeren in verschillende experimentele contexten.
Start hoofdstuk

Experimenteel ontwerpen in Python

Cursus
voltooid

Verdien een Statement of Accomplishment

Nu inschrijven

Verbeter je datavaardigheden met DataCamp voor mobiel

Blijf onderweg bezig met onze mobiele cursussen en dagelijkse programmeeruitdagingen van 5 minuten.