Ga naar hoofdinhoud

Cursus

Experimenteel ontwerp in R

GemiddeldVaardigheidsniveau

Bijgewerkt 12-2025

In deze cursus leer je over basisprincipes van experimenteel ontwerp, een belangrijk onderdeel van elke data-analyse.

Start Cursus Kosteloos

RProbability & Statistics

4 u

13 videos

53 Opdrachten

4,450 XP

20,346

Bewijs van Prestatie

Geliefd bij leerlingen van duizenden bedrijven

Een team trainen?

Probeer voor bedrijven

Cursusbeschrijving

Experimenteel ontwerp is een cruciaal onderdeel van data-analyse, of je nu werkt in business, gezondheid of tech. Als je data wilt gebruiken om een vraag te beantwoorden, moet je een experiment ontwerpen! In deze cursus leer je de basis van experimenteel ontwerp, waaronder blok- en factoriële ontwerpen, en veelgebruikte statistische toetsen zoals t-toetsen en ANOVA’s. Je gebruikt ingebouwde R-data en datasets uit de echte wereld, waaronder de CDC NHANES-enquête, SAT-scores van openbare scholen in New York en Lending Club-leningdata. Na deze cursus kun je je eigen experimenten ontwerpen en analyseren!

Vereisten

Hypothesis Testing in R

1

Introductie tot experimenteel ontwerp

Een introductie tot de kernonderdelen van experimenteel ontwerp plus enkele berekeningen voor power en steekproefgrootte.

Introductie tot experimenteel ontwerp

Een basisexperiment

Randomisatie

Replicatie en blokkeren

Hypothesetoetsing

Eenzijdige vs. tweezijdige toetsen

Verkenning van de Help Docs van het pwr-pakket

Power- en steekproefgrootteberekeningen

Hoofdstuk beginnen

2

Basisexperimenten

Verken de Lending Club-gegevensset en bouw en valideer basisexperimenten, waaronder een A/B-test.

ANOVA, enkelvoudige en meervoudige factorexperimenten

Exploratory Data Analysis (EDA) Lending Club

Hoe beïnvloedt het leendoel het toegekende bedrag?

Welke gemiddelde leningsdoelen verschillen?

Experimenten met meerdere factoren

Modelvalidatie

EDA vóór het modelleren

Validatieplots na modelleren + variantie

Kruskal-Wallis rangsomtoets

Welke test na een A/B-test?

Steekproefgrootte voor A/B-test

Eenvoudige A/B-test

A/B-tests vs. multivariabele experimenten

Hoofdstuk beginnen

3

Gerandomiseerde complete en gebalanceerde onvolledige blokontwerpen

Gebruik de NHANES-data om een RCBD- en BIBD-experiment op te zetten, inclusief modelvalidatie en ontwerptips om te controleren dat de BIBD geldig is.

Introductie tot NHANES en steekproeven

NHANES-gegevensset samenstellen

NHANES-gegevens opschonen

NHANES-gegevens opnieuw bemonsteren

Randomized Complete Block Designs (RCBD)

Wat is GEEN goede blokkeringsfactor?

RCBD's tekenen met Agricolae

NHANES RCBD

RCBD-modelvalidatie

Balanced Incomplete Block Designs (BIBD)

Is een BIBD überhaupt mogelijk?

BIBD's tekenen met agricolae

BIBD - nierfunctie van katten

NHANES BIBD

Hoofdstuk beginnen

4

Latijnse vierkanten, Grieks-Latijnse vierkanten en factoriële experimenten

Evalueer de SAT-scores van NYC en ga om met de ontbrekende waarden, en beoordeel vervolgens Latijnse vierkanten, Grieks-Latijnse vierkanten en factoriële experimenten.

Latijnse vierkanten

NYC SAT-scores EDA

Omgaan met ontbrekende toetsresultaten

Latin squares tekenen met agricolae

Latijns vierkant met NYC SAT-scores

Graeco-Latijnse vierkanten

NYC SAT-scores visualiseren

Graeco-Latinse vierkanten tekenen met agricolae

Graeco-Latijns vierkant met NYC SAT-scores

Factoriële experimenten

NYC SAT-scores: Factorial EDA

Factoriëel experiment met NYC SAT-scores

Het factorial model voor NYC SAT-scores evalueren

Wat komt er hierna in experimenteel ontwerp?

Hoofdstuk beginnen

Experimenteel ontwerp in R

Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Experimenteel ontwerp in R!

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.