Který byl stratifikovaný?

Máš k dispozici dva DataFrame, df_1 a df_2. Můžeš je prozkoumat v konzoli. Obsahují sloupce 'salary', 'free_hours' a 'high_free_time', a také dva další sloupce: 'Block' označuje experimentální blok, do kterého byl účastník zařazen, a 'T_C' říká, zda byl přiřazen do skupiny s léčbou, nebo do kontrolní skupiny.

Který DataFrame je stratifikovaný podle sloupce 'high_free_time'?

Toto cvičení je součástí kurzu

Experimentální design v Pythonu

Interaktivní praktické cvičení

Proměňte teorii v praxi s jedním z našich interaktivních cvičení

Začít cvičení

Toto cvičení je součástí kurzu

Experimentální design v Pythonu

SkillTag.level.intermediateSkillTag.label

4.8+

Začněte kurz zdarma

Znalost experimentálního designu ti umožní testovat hypotézy s využitím osvědčených analytických nástrojů a kvantifikovat riziko své práce. Začneš budováním základů – co je experimentální design a jaká jsou různá uspořádání, například blokování a stratifikace. Poté se naučíš vizuální i analytické testy normality experimentálních dat a procvičíš si jejich použití.

Exercise 1: Příprava experimentů Exercise 2: Nepáhodné přiřazení subjektů Exercise 3: Náhodné rozdělení subjektů Exercise 4: Nastavení experimentálních dat Exercise 5: Blokování experimentálních dat Exercise 6: Stratifikace experimentu Exercise 7: Který byl stratifikovaný?

Aktuální cvičení

Exercise 8: Normální rozdělení dat Exercise 9: Vizuální posouzení normality v zemědělském experimentu Exercise 10: Analytické testování normality v zemědělském experimentu

Ponoříš se do pokročilých technik experimentálního designu se zaměřením na faktoriální design, randomizovaný blokový design a úpravy pomocí kovariát. Tyto přístupy jsou klíčové pro zvýšení přesnosti, efektivity a srozumitelnosti výsledků experimentů. Prostřednictvím kombinace teorie a praktických aplikací získáš dovednosti potřebné k navrhování, provádění a analýze složitých experimentů v různých oblastech výzkumu.

Exercise 1: Faktoriální designy: principy a aplikace Exercise 2: Analýza efektivity marketingové kampaně Exercise 3: Heatmap interakcí kampaně Exercise 4: Faktoriální designy a randomizované blokové designy Exercise 5: Randomizovaný blokový design: kontrola variance Exercise 6: Implementace náhodného blokového designu Exercise 7: Vizualizace produktivity v blocích podle pobídky Exercise 8: ANOVA v rámci bloků zaměstnanců Exercise 9: Kovariantní úprava v experimentálním designu Exercise 10: Důležitost kovariátů Exercise 11: Úprava kovariance u růstu kuřat

Zvládni statistické testy jako t-test, ANOVA a chí-kvadrát a hlouběji se ponořte do post-hoc analýz a základů analýzy síly testu. Naučíš se vybrat správný test, interpretovat p-hodnoty a chyby a odborně provádět analýzu síly pro určení velikosti vzorku a efektu – to vše s využitím výkonných knihoven Pythonu, které ti pomohou přeměnit data v užitečné poznatky.

Exercise 1: Výběr správného statistického testu Exercise 2: Výběr správného testu: petrochemikálie Exercise 3: Výběr správného testu: lidské zdroje Exercise 4: Výběr správného testu: finance Exercise 5: Post-hoc analýza po ANOVA Exercise 6: ANOVA pro léčbu úzkosti Exercise 7: Aplikace Tukeyova HSD testu Exercise 8: Aplikace Bonferroniho korekce Exercise 9: P-hodnoty, alfa a chyby Exercise 10: Analýza odolnosti hraček Exercise 11: Vizualizace rozdílů v odolnosti Exercise 12: Role hladin významnosti Exercise 13: Analýza síly testu: velikost vzorku a velikost efektu Exercise 14: Účel velikosti účinku Exercise 15: Odhad potřebné velikosti vzorku pro studii spotřeby energie

Ponoř se do složitostí analýzy experimentálních dat. Naučíš se syntetizovat poznatky pomocí pandas, řešit problémy s daty jako heteroskedasticita za pomoci scipy.stats a aplikovat neparametrické testy, například Mann-Whitney U. Objevíš také další techniky pro transformaci, vizualizaci a interpretaci složitých dat, díky nimž budeš schopen/schopna provádět robustní analýzy v různých experimentálních podmínkách.

Exercise 1: Syntéza poznatků z komplexních experimentů Exercise 2: Vizualizace výnosnosti schvalování půjček Exercise 3: Zkoumání spokojenosti zákazníků Exercise 4: Efektivní komunikace experimentálních dat Exercise 5: Řešení složitostí v experimentálních datech Exercise 6: Kontrola heteroskedasticity u trvanlivosti potravin Exercise 7: Průzkum a transformace dat o trvanlivosti Exercise 8: Neparametrické testy v experimentální analýze Exercise 9: Vizualizace a testování metod konzervace Exercise 10: Další analýza technik konzervace potravin Exercise 11: Gratulujeme!