Name: Thiết kế thí nghiệm với Python
Rating: 4.798828125 (2048 reviews)

Mô tả khóa học

Triển khai các thiết lập thiết kế thí nghiệm

Tìm hiểu cách triển khai thiết lập thiết kế thí nghiệm phù hợp nhất cho trường hợp sử dụng của bạn. Tìm hiểu cách triển khai thiết kế khối ngẫu nhiên và thiết kế nhân tố để đo lường hiệu ứng điều trị và rút ra những kết luận chính xác, đáng tin cậy.

Thực hiện phân tích thống kê trên dữ liệu thực nghiệm

Đi sâu vào việc thực hiện các phân tích thống kê trên dữ liệu thực nghiệm, bao gồm lựa chọn và tiến hành các kiểm định thống kê, như kiểm định t, kiểm định ANOVA và kiểm định chi-bình phương về mối liên hệ. Tiến hành phân tích hậu nghiệm sau các kiểm định ANOVA để xác định chính xác những so sánh cặp nào khác biệt có ý nghĩa thống kê.

Thực hiện phân tích công suất

Học cách đo kích thước hiệu ứng để xác định mức độ khác biệt giữa các nhóm, vượt ra ngoài việc chỉ khác biệt có ý nghĩa thống kê. Thực hiện phân tích công suất bằng cách sử dụng kích thước hiệu ứng giả định để xác định cỡ mẫu tối thiểu cần thiết nhằm đạt được công suất thống kê yêu cầu. Sử dụng công thức d của Cohen để đo kích thước hiệu ứng cho một số dữ liệu mẫu, và kiểm tra xem các giả định về kích thước hiệu ứng được dùng trong phân tích công suất có chính xác hay không.

Xử lý các phức tạp trong dữ liệu thực nghiệm

Trích xuất những hiểu biết sâu sắc từ dữ liệu thực nghiệm phức tạp và học các phương pháp thực hành tốt nhất để truyền đạt kết quả cho các bên liên quan khác nhau. Giải quyết các phức tạp như tương tác, phương sai không đồng nhất và nhiễu gây nhiễu trong dữ liệu thực nghiệm để nâng cao tính hợp lệ của các kết luận của bạn. Khi dữ liệu không đáp ứng các giả định của các kiểm định tham số, bạn sẽ học cách lựa chọn và triển khai một kiểm định phi tham số phù hợp.

Yêu cầu tiên quyết

Hypothesis Testing in Python

Chương trình học

Đề cương khóa học

Những điều cơ bản về Thiết kế thí nghiệm

Xây dựng kiến thức về thiết kế thí nghiệm giúp bạn kiểm định giả thuyết bằng các công cụ phân tích theo chuẩn thực hành tốt và định lượng rủi ro trong công việc. Bạn sẽ bắt đầu bằng cách đặt nền tảng: thiết kế thí nghiệm là gì và các thiết lập như chia khối (blocking) và phân tầng (stratification). Sau đó, bạn sẽ học và áp dụng các kiểm tra trực quan và phân tích về tính chuẩn (normality) của dữ liệu thí nghiệm.

Bắt đầu chương

Kỹ thuật Thiết kế thí nghiệm

Bạn sẽ đi sâu vào các kỹ thuật thiết kế thí nghiệm nâng cao, tập trung vào thiết kế nhân tố, thiết kế khối ngẫu nhiên và điều chỉnh theo biến đồng biến (covariate). Các phương pháp này đóng vai trò then chốt trong việc nâng cao độ chính xác, hiệu quả và khả năng diễn giải kết quả thí nghiệm. Thông qua kết hợp giữa nền tảng lý thuyết và ứng dụng thực hành, bạn sẽ có được kỹ năng để thiết kế, triển khai và phân tích các thí nghiệm phức tạp trong nhiều lĩnh vực nghiên cứu.

Bắt đầu chương

Phân tích dữ liệu thí nghiệm: Kiểm định thống kê và Power

Làm chủ các kiểm định thống kê như t-test, ANOVA và Chi-Square, và đào sâu vào phân tích hậu nghiệm cùng những điều cốt lõi của phân tích power. Học cách chọn đúng kiểm định, diễn giải p-value và các loại sai số, và thực hiện phân tích power để xác định cỡ mẫu và kích thước hiệu ứng, đồng thời tận dụng các thư viện mạnh mẽ của Python để biến insight từ dữ liệu thành hiện thực.

Bắt đầu chương

Khai thác sâu từ độ phức tạp của thí nghiệm

Bước vào những phức tạp trong phân tích dữ liệu thí nghiệm. Học cách tổng hợp insight bằng pandas, xử lý các vấn đề dữ liệu như phương sai không đồng nhất với scipy.stats, và áp dụng các kiểm định phi tham số như Mann-Whitney U. Tìm hiểu thêm các kỹ thuật biến đổi, trực quan hóa và diễn giải dữ liệu phức tạp, nâng cao khả năng thực hiện các phân tích vững chắc trong nhiều bối cảnh thí nghiệm.