Przejdź do głównej treści

Strona główna R

Kurs

Projektowanie eksperymentów w R

ŚredniozaawansowanyPoziom umiejętności

Zaktualizowano 12.2025

W tym kursie poznasz podstawy projektowania eksperymentów, kluczowy element każdej analizy danych.

Zacznij kurs za darmo

RProbability & Statistics

4 godz.

13 filmów

53 Ćwiczenia

4,450 XP

20,322

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Projektowanie eksperymentów to kluczowy element analizy danych w każdej dziedzinie – czy pracujesz w biznesie, ochronie zdrowia, czy w branży technologicznej. Jeśli chcesz wykorzystać dane do odpowiedzi na konkretne pytanie, musisz zaprojektować eksperyment! W tym kursie poznasz podstawy projektowania eksperymentów, w tym układy blokowe i czynnikowe, a także powszechnie stosowane testy statystyczne, takie jak testy t oraz ANOVA. Będziesz pracować na wbudowanych danych R oraz rzeczywistych zbiorach danych, m.in. z badania CDC NHANES, wynikach egzaminów SAT ze szkół publicznych w Nowym Jorku oraz danych pożyczkowych Lending Club. Po ukończeniu kursu będziesz potrafić samodzielnie projektować i analizować własne eksperymenty!

Wymagania wstępne

Hypothesis Testing in R

1

Introduction to Experimental Design

An introduction to key parts of experimental design plus some power and sample size calculations.

Introduction to experimental design

A basic experiment

Randomization

Replication and blocking

Replication

Hypothesis testing

One sided vs. Two-sided tests

pwr package Help Docs exploration

Power & Sample Size Calculations

Zacznij rozdział

2

Basic Experiments

Explore the Lending Club dataset plus build and validate basic experiments, including an A/B test.

ANOVA, single, and multiple factor experiments

Exploratory Data Analysis (EDA) Lending Club

How does loan purpose affect amount funded?

Which loan purpose mean is different?

Multiple Factor Experiments

Model validation

Pre-modeling EDA

Post-modeling validation plots + variance

Kruskal-Wallis rank sum test

A/B testing

Which post-A/B test test?

Sample size for A/B test

Basic A/B test

A/B tests vs. multivariable experiments

Zacznij rozdział

3

Randomized Complete and Balanced Incomplete Block Designs

Use the NHANES data to build a RCBD and BIBD experiment, including model validation and design tips to make sure the BIBD is valid.

Intro to NHANES and sampling

NHANES dataset construction

NHANES Data Cleaning

Resampling NHANES data

Randomized Complete Block Designs (RCBD)

Which is NOT a good blocking factor?

Drawing RCBDs with Agricolae

NHANES RCBD

RCBD Model Validation

Balanced Incomplete Block Designs (BIBD)

Is a BIBD even possible?

Drawing BIBDs with agricolae

BIBD - cat's kidney function

NHANES BIBD

Zacznij rozdział

4

Latin Squares, Graeco-Latin Squares, and Factorial Experiments

Evaluate the NYC SAT scores data and deal with its missing values, then evaluate Latin Square, Graeco-Latin Square, and Factorial experiments.

Latin squares

NYC SAT Scores EDA

Dealing with Missing Test Scores

Drawing Latin Squares with agricolae

Latin Square with NYC SAT Scores

Graeco-Latin squares

NYC SAT Scores Data Viz

Drawing Graeco-Latin Squares with agricolae

Graeco-Latin Square with NYC SAT Scores

Factorial experiments

NYC SAT Scores Factorial EDA

Factorial Experiment with NYC SAT Scores

Evaluating the NYC SAT Scores Factorial Model

What's next in experimental design?

Zacznij rozdział

Projektowanie eksperymentów w R

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Projektowanie eksperymentów w R już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.