ข้ามไปยังเนื้อหาหลัก

Courses

Experimental Design in R

ระดับกลางระดับทักษะ

อัปเดตแล้ว 12/2568

In this course you'll learn about basic experimental design, a crucial part of any data analysis.

เริ่มเรียนหลักสูตรฟรี

RProbability & Statistics4 ชม.13 videos53 Exercises4,450 เอ็กซ์พี20,083คำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ลองใช้ DataCamp for Business

คำอธิบายรายวิชา

Experimental design is a crucial part of data analysis in any field, whether you work in business, health or tech. If you want to use data to answer a question, you need to design an experiment! In this course you will learn about basic experimental design, including block and factorial designs, and commonly used statistical tests, such as the t-tests and ANOVAs. You will use built-in R data and real world datasets including the CDC NHANES survey, SAT Scores from NY Public Schools, and Lending Club Loan Data. Following the course, you will be able to design and analyze your own experiments!

ข้อกำหนดเบื้องต้น

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

50 เอ็กซ์พี

A basic experiment

100 เอ็กซ์พี

Randomization

100 เอ็กซ์พี

Replication and blocking

50 เอ็กซ์พี

Replication

100 เอ็กซ์พี

100 เอ็กซ์พี

Hypothesis testing

50 เอ็กซ์พี

One sided vs. Two-sided tests

100 เอ็กซ์พี

pwr package Help Docs exploration

50 เอ็กซ์พี

Power & Sample Size Calculations

100 เอ็กซ์พี

เริ่มบท

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

50 เอ็กซ์พี

Exploratory Data Analysis (EDA) Lending Club

100 เอ็กซ์พี

How does loan purpose affect amount funded?

100 เอ็กซ์พี

Which loan purpose mean is different?

100 เอ็กซ์พี

Multiple Factor Experiments

100 เอ็กซ์พี

Model validation

50 เอ็กซ์พี

Pre-modeling EDA

100 เอ็กซ์พี

Post-modeling validation plots + variance

100 เอ็กซ์พี

Kruskal-Wallis rank sum test

100 เอ็กซ์พี

A/B testing

50 เอ็กซ์พี

Which post-A/B test test?

50 เอ็กซ์พี

Sample size for A/B test

100 เอ็กซ์พี

Basic A/B test

100 เอ็กซ์พี

A/B tests vs. multivariable experiments

100 เอ็กซ์พี

เริ่มบท

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

50 เอ็กซ์พี

NHANES dataset construction

100 เอ็กซ์พี

100 เอ็กซ์พี

NHANES Data Cleaning

100 เอ็กซ์พี

Resampling NHANES data

100 เอ็กซ์พี

Randomized Complete Block Designs (RCBD)

50 เอ็กซ์พี

Which is NOT a good blocking factor?

50 เอ็กซ์พี

Drawing RCBDs with Agricolae

100 เอ็กซ์พี

NHANES RCBD

100 เอ็กซ์พี

RCBD Model Validation

100 เอ็กซ์พี

Balanced Incomplete Block Designs (BIBD)

50 เอ็กซ์พี

Is a BIBD even possible?

50 เอ็กซ์พี

Drawing BIBDs with agricolae

100 เอ็กซ์พี

BIBD - cat's kidney function

100 เอ็กซ์พี

NHANES BIBD

100 เอ็กซ์พี

เริ่มบท

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

50 เอ็กซ์พี

NYC SAT Scores EDA

100 เอ็กซ์พี

Dealing with Missing Test Scores

100 เอ็กซ์พี

Drawing Latin Squares with agricolae

100 เอ็กซ์พี

Latin Square with NYC SAT Scores

100 เอ็กซ์พี

Graeco-Latin squares

50 เอ็กซ์พี

NYC SAT Scores Data Viz

100 เอ็กซ์พี

Drawing Graeco-Latin Squares with agricolae

100 เอ็กซ์พี

Graeco-Latin Square with NYC SAT Scores

100 เอ็กซ์พี

Factorial experiments

50 เอ็กซ์พี

NYC SAT Scores Factorial EDA

100 เอ็กซ์พี

Factorial Experiment with NYC SAT Scores

100 เอ็กซ์พี

Evaluating the NYC SAT Scores Factorial Model

100 เอ็กซ์พี

What's next in experimental design?

50 เอ็กซ์พี

เริ่มบท

Experimental Design in R

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

สำหรับธุรกิจ

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ให้ทีมของคุณเข้าถึงแพลตฟอร์ม DataCamp แบบเต็มรูปแบบ รวมถึงฟีเจอร์ทั้งหมด

ในแทร็กต่อไปนี้

Associate Data Scientist in Rการรับรอง

Statistician in R

instructors

Joanne Xiong

Consultant & Data Analyst

collaborators

Becca Robins

Richie Cotton

Courses resources

sample of Lending Club datadatasets

NHANES Body Measuresdatasets

NHANES Demographicsdatasets

NHANES final combined datasetdatasets

NHANES Medical Conditionsdatasets

NYC SAT Scoresdatasets

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม Experimental Design in R วันนี้เลย!

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา