Introduction aux éléments clés du plan d’expériences, avec quelques calculs de puissance et de taille d’échantillon.

Introduction à la conception expérimentale

Une expérience simple

Randomisation

Réplication et groupement en blocs

Réplication

Blocage

Test d’hypothèse

Tests unilatéraux vs. bilatéraux

Exploration de la documentation d’aide du package pwr

Calculs de puissance et de taille d’échantillon

Introduction au plan d’expériences

Explorez le jeu de données Lending Club et construisez puis validez des expériences de base, dont un test A/B.

ANOVA, expériences à un facteur et à facteurs multiples

Analyse exploratoire des données (EDA) Lending Club

Comment l’objet du prêt influence-t-il le montant financé ?

Pour quel objectif de prêt la moyenne est-elle différente ?

Expériences à facteurs multiples

Validation du modèle

EDA avant modélisation

Graphiques de validation post-modélisation + variance

Test de somme des rangs de Kruskal-Wallis

Test A/B

Quel test après l’A/B test ?

Taille d’échantillon pour un test A/B

Test A/B basique

Tests A/B vs. expériences multivariables

Expériences de base

Utilisez les données NHANES pour construire des plans RCBD et BIBD, avec validation du modèle et conseils de conception pour garantir la validité du BIBD.

Introduction à NHANES et à l’échantillonnage

Construction du jeu de données NHANES

EDA sur NHANES

Nettoyage des données NHANES

Rééchantillonner les données NHANES

Plans en blocs complets randomisés (RCBD)

Quel élément n’est PAS un bon facteur de blocage ?

Dessiner des RCBD avec Agricolae

NHANES RCBD

Validation du modèle RCBD

Plans en blocs incomplets équilibrés (BIBD)

Un BIBD est-il seulement possible ?

Tracer des BIBD avec agricolae

BIBD - fonction rénale du chat

NHANES BIBD

Plans en blocs complets randomisés et en blocs incomplets équilibrés

Analysez les scores SAT de la ville de New York et traitez leurs valeurs manquantes, puis évaluez des expériences en carré latin, carré gréco-latin et factorielle.

Carrés latins

EDA des scores SAT à NYC

Gérer les notes de test manquantes

Tracer des carrés latins avec agricolae

Carré latin avec les scores SAT de NYC

Carrés gréco-latins

Visualisation des données des scores SAT à NYC

Tracer des carrés gréco-latins avec agricolae

Carré gréco-latin avec les scores SAT de New York

Expériences factorielles

EDA factorielle des scores SAT à NYC

Expérience factorielle avec les scores SAT de NYC

Évaluer le modèle factoriel des scores SAT de NYC

Quelle est la suite en matière de plan d’expériences ?

Carrés latins, carrés gréco-latins et expériences factorielles

sample of Lending Club data

NHANES Body Measures

NHANES Demographics

NHANES final combined dataset

NHANES Medical Conditions

NYC SAT Scores

La planification d’expériences est une étape essentielle de toute analyse de données, que vous travailliez dans le business, la santé ou la tech. Si vous souhaitez utiliser des données pour répondre à une question, vous devez concevoir une expérience ! Dans ce cours, vous découvrirez les bases du plan d’expériences, notamment les plans en blocs et factoriels, ainsi que les tests statistiques courants comme les tests t et les ANOVA. Vous utiliserez des données intégrées à R et des jeux de données réels, dont l’enquête NHANES des CDC, les scores SAT des écoles publiques de New York et les données de prêts Lending Club. À l’issue du cours, vous serez en mesure de concevoir et d’analyser vos propres expériences !

Hypothesis Testing in R

Découvrez les bases de la conception expérimentale, les tests statistiques comme les t-tests et ANOVA en R.

Plan d’expériences en R

Dans ce cours, vous découvrirez les principes fondamentaux de la conception expérimentale, un élément essentiel de toute analyse de données.

Test d’hypothèse

Create Your Free Account