Efter att ha gått de här kurserna känner jag mig trygg med att skapa professionella visualiseringar och dashboards
Shoebur RahmanInköpsspecialist, Giz Bangladesh
Kursbeskrivning
Implementera experimentella designupplägg
Lär dig hur du implementerar den mest lämpliga experimentella designen för just ditt användningsområde. Lär dig hur randomiserade blockdesigner och faktoriella designer kan användas för att mäta behandlingseffekter och dra giltiga och precisa slutsatser.Utför statistiska analyser på experimentella data
Fördjupa dig i att utföra statistiska analyser på experimentella data, inklusive att välja och genomföra statistiska tester som t-tester, ANOVA-tester och chi-två-tester för samband. Utför efterhandsanalys efter ANOVA-tester för att exakt ta reda på vilka parvisa jämförelser som skiljer sig signifikant.Utför poweranalys
Lär dig att mäta effektstorlek för att avgöra hur mycket grupper skiljer sig åt, utöver att bara vara signifikant olika. Utför en poweranalys med en antagen effektstorlek för att bestämma det minsta urvalsstorlek som krävs för att uppnå önskad statistisk power. Använd Cohen's d-formulering för att mäta effektstorleken för några exempeldata och testa om de antaganden om effektstorlek som användes i poweranalysen var korrekta.Hantera komplexitet i experimentella data
Få insikter från komplex experimentell data och lär dig bästa metoderna för att kommunicera dina resultat till olika intressenter. Ta itu med komplexiteter som interaktioner, heteroskedasticitet och confounding i experimentella data för att förbättra giltigheten i dina slutsatser. När data inte uppfyller förutsättningarna för parametriska tester, lär du dig att välja och använda ett lämpligt icke-parametriskt test.Förkunskapskrav
Kursplan
Kursöversikt
1
Grunder i experimentell design
Genom att bygga kunskap om experimentell design kan du testa hypoteser med analytiska verktyg enligt bästa praxis och kvantifiera risken i ditt arbete. Du börjar med att lägga grunden för vad experimentell design är och olika upplägg, som blockering och stratifiering. Sedan lär du dig att tillämpa visuella och analytiska tester för normalitet i experimentdata.
- Att sätta upp experiment50 XP
- Icke-slumpmässig tilldelning av försökssubjekt100 XP
- Slumpmässig tilldelning av försöksenheter100 XP
- Experimentell datakonfiguration50 XP
- Blockering av experimentdata100 XP
- Stratifiera ett experiment100 XP
- Vilken var stratifierad?50 XP
- Normalfördelad data50 XP
- Visuell normalitetsbedömning i ett jordbruksexperiment100 XP
- Analytisk normalitetsprövning i ett jordbruksexperiment100 XP
2
Tekniker för experimentell design
Du fördjupar dig i avancerade tekniker för experimentell design med fokus på faktoriella designer, randomiserade blockdesigner och kovarianskorrigeringar. Dessa metoder är centrala för att förbättra noggrannheten, effektiviteten och tolkbarheten hos experimentella resultat. Genom en kombination av teori och praktiska tillämpningar får du de färdigheter som krävs för att designa, genomföra och analysera komplexa experiment inom olika forskningsområden.
3
Analys av experimentdata: statistiska tester och styrka
Behärska statistiska tester som t-test, ANOVA och chi-kvadrattest, och fördjupa dig i post-hoc-analyser och grunderna i styrkeanalys. Lär dig att välja rätt test, tolka p-värden och feltyper, och genomföra styrkeanalys för att bestämma urvalsstorlek och effektstorlek – med hjälp av Pythons kraftfulla bibliotek.
4
Fördjupade insikter från komplex experimentdesign
Utforska komplexiteten i analys av experimentdata. Lär dig att sammanställa insikter med pandas, hantera dataproblem som heteroskedasticitet med scipy.stats, och tillämpa icke-parametriska tester som Mann-Whitney U. Du får även lära dig ytterligare tekniker för att transformera, visualisera och tolka komplexa data, vilket stärker din förmåga att genomföra robusta analyser i olika experimentella sammanhang.
Experimentell design i Python
Kurs
slutförd
