After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Wdrażaj eksperymentalne układy projektowe
Dowiedz się, jak wdrożyć najbardziej odpowiedni układ projektu eksperymentalnego dla swojego przypadku użycia. Dowiedz się, jak można wdrażać randomizowane projekty blokowe i projekty czynnikowe, aby mierzyć efekty leczenia i wyciągać trafne oraz precyzyjne wnioski.Przeprowadzaj analizy statystyczne danych eksperymentalnych
Zagłęb się w przeprowadzanie analiz statystycznych na danych eksperymentalnych, w tym w wybór i wykonywanie testów statystycznych, takich jak testy t, testy ANOVA oraz testy chi-kwadrat zależności. Przeprowadzaj analizę post hoc po testach ANOVA, aby dokładnie odkryć, które porównania parami różnią się istotnie.Przeprowadź analizę mocy
Dowiedz się, jak mierzyć wielkość efektu, aby określić, o ile grupy się różnią, a nie tylko czy różnią się istotnie. Przeprowadź analizę mocy, używając założonej wielkości efektu, aby określić minimalną liczebność próby wymaganą do uzyskania wymaganej mocy statystycznej. Użyj wzoru Cohena d, aby zmierzyć wielkość efektu dla przykładowych danych i sprawdzić, czy założenia dotyczące wielkości efektu użyte w analizie mocy były trafne.Radzenie sobie ze złożonością danych eksperymentalnych
Wyciągaj wnioski ze złożonych danych eksperymentalnych i poznaj najlepsze praktyki komunikowania wyników różnym interesariuszom. Uwzględnij złożoności, takie jak interakcje, heteroscedastyczność i czynniki zakłócające w danych eksperymentalnych, aby zwiększyć wiarygodność swoich wniosków. Gdy dane nie spełniają założeń testów parametrycznych, nauczysz się wybierać i stosować odpowiedni test nieparametryczny.Wymagania wstępne
Program kursu
Plan kursu
1
Podstawy projektowania eksperymentów
Wiedza z zakresu projektowania eksperymentów pozwoli ci testować hipotezy przy użyciu najlepszych narzędzi analitycznych i oceniać ryzyko związane z prowadzonymi badaniami. Zaczniesz od podstaw: czym jest projektowanie eksperymentów i jakie są różne podejścia do jego organizacji – między innymi blokowanie i stratyfikacja. Następnie poznasz i zastosujesz wizualne oraz analityczne testy normalności rozkładu danych eksperymentalnych.
- Konfigurowanie eksperymentów50 XP
- Nielosowy przydział obiektów badanych100 XP
- Losowe przypisanie obiektów do grup100 XP
- Konfiguracja danych eksperymentalnych50 XP
- Blokowanie danych eksperymentalnych100 XP
- Stratyfikacja eksperymentu100 XP
- Która była stratyfikowana?50 XP
- Dane o rozkładzie normalnym50 XP
- Wizualna ocena normalności w eksperymencie rolniczym100 XP
- Analityczna ocena normalności w eksperymencie rolniczym100 XP
2
Techniki projektowania eksperymentów
Poznasz zaawansowane techniki projektowania eksperymentów, ze szczególnym uwzględnieniem układów czynnikowych, układów bloków losowych i korekcji ze względu na kowariaty. Te metody są kluczowe dla zwiększenia dokładności, efektywności i interpretowalności wyników eksperymentów. Łącząc teorię z praktyką, zdobędziesz umiejętności potrzebne do projektowania, wdrażania i analizowania złożonych eksperymentów w różnych dziedzinach badań.
3
Analiza danych eksperymentalnych: testy statystyczne i moc
Opanuj testy statystyczne takie jak t-test, ANOVA i test chi-kwadrat, a następnie zagłęb się w analizy post-hoc i podstawy analizy mocy. Naucz się dobierać właściwy test, interpretować wartości p i błędy statystyczne, a także sprawnie przeprowadzać analizę mocy w celu wyznaczania liczebności próby i wielkości efektu – wszystko to z wykorzystaniem potężnych bibliotek Pythona.
4
Zaawansowane wnioski ze złożonych eksperymentów
Zmierz się ze złożonością analizy danych eksperymentalnych. Naucz się syntetyzować wnioski przy użyciu pandas, radzić sobie z problemami takimi jak heteroskedastyczność za pomocą scipy.stats, a także stosować testy nieparametryczne – na przykład test Manna-Whitneya U. Poznasz dodatkowe techniki transformacji, wizualizacji i interpretacji złożonych danych, które pozwolą ci prowadzić rzetelne analizy w różnych kontekstach eksperymentalnych.
Projektowanie eksperymentów w Pythonie
Kurs
ukończony
