An introduction to key parts of experimental design plus some power and sample size calculations.

Introduzione al disegno sperimentale

Un esperimento di base

Randomizzazione

Replicazione e blocchi

Replicazione

Blocco

Verifica d'ipotesi

Test a una coda vs. a due code

Esplorazione della Guida del pacchetto pwr

Calcoli di potenza e dimensione del campione

Introduction to Experimental Design

Explore the Lending Club dataset plus build and validate basic experiments, including an A/B test.

ANOVA, single, and multiple factor experiments

Exploratory Data Analysis (EDA) Lending Club

How does loan purpose affect amount funded?

Which loan purpose mean is different?

Multiple Factor Experiments

Model validation

Pre-modeling EDA

Post-modeling validation plots + variance

Kruskal-Wallis rank sum test

A/B testing

Which post-A/B test test?

Sample size for A/B test

Basic A/B test

A/B tests vs. multivariable experiments

Basic Experiments

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

NHANES dataset construction

NHANES EDA

NHANES Data Cleaning

Resampling NHANES data

Randomized Complete Block Designs (RCBD)

Which is NOT a good blocking factor?

Drawing RCBDs with Agricolae

NHANES RCBD

RCBD Model Validation

Balanced Incomplete Block Designs (BIBD)

Is a BIBD even possible?

Drawing BIBDs with agricolae

BIBD - cat's kidney function

NHANES BIBD

Randomized Complete and Balanced Incomplete Block Designs

Evaluate the NYC SAT scores data and deal with its missing values, then evaluate Latin Square, Graeco-Latin Square, and Factorial experiments.

Latin squares

NYC SAT Scores EDA

Dealing with Missing Test Scores

Drawing Latin Squares with agricolae

Latin Square with NYC SAT Scores

Graeco-Latin squares

NYC SAT Scores Data Viz

Drawing Graeco-Latin Squares with agricolae

Graeco-Latin Square with NYC SAT Scores

Factorial experiments

NYC SAT Scores Factorial EDA

Factorial Experiment with NYC SAT Scores

Evaluating the NYC SAT Scores Factorial Model

What's next in experimental design?

Latin Squares, Graeco-Latin Squares, and Factorial Experiments

sample of Lending Club data

NHANES Body Measures

NHANES Demographics

NHANES final combined dataset

NHANES Medical Conditions

NYC SAT Scores

La progettazione sperimentale è una parte fondamentale dell’analisi dei dati in qualsiasi ambito, che tu lavori nel business, nella sanità o nella tecnologia. Se vuoi usare i dati per rispondere a una domanda, devi progettare un esperimento! In questo corso imparerai le basi della progettazione sperimentale, incluse le strutture a blocchi e i disegni fattoriali, e i test statistici più usati, come i t-test e le ANOVA. Userai i dati integrati di R e insiemi di dati reali, tra cui l’indagine CDC NHANES, i punteggi SAT delle scuole pubbliche di New York e i dati sui prestiti di Lending Club. Al termine del corso, sarai in grado di progettare e analizzare i tuoi esperimenti!

Hypothesis Testing in R

Scopri il design sperimentale di base, inclusi blocchi, fattoriali e test statistici come t-test e ANOVA in R.

Progettazione Sperimentale in R

In questo corso imparerai le basi della progettazione sperimentale, una parte fondamentale di qualsiasi analisi dei dati.

Scienziato dei dati associato in R

Statistico in R

Un esperimento di base

Progettazione Sperimentale in R

Esercizio pratico interattivo