Krijg inzicht in A/B-testen en -ontwerp. Leer waar je op moet letten om de gegevens en analyses correct te behandelen.

A/B-testen en ontwerp

A/B-onderzoeksopzet met proefpersonen

Formaat en histogrammen

Aandachtspunten bij A/B-testen

Type I-fout in A/B-tests

Steekproeven

Family-wise foutpercentage

Power en steekproefgrootte

Invloeden op power

Bepaal de ideale steekproefomvang

Regressie naar het gemiddelde

Introductie tot A/B-testen

Leer gangbare analyses om A/B-groepen te vergelijken. Begrijp welke aanpak passend is per test, gegeven de aannames en beperkingen.

t-toets voor onafhankelijke steekproeven

Steekproefgrootte voor onafhankelijke t-toets

Analyse met independent t-test

Mann-Whitney U-toets

Mann-Whitney U-analyse

Mann-Whitney U poweranalyse

t-test vs. Mann-Whitney U-toets

Chi-kwadraattoets van onafhankelijkheid

Chi-kwadraattoets van onafhankelijkheid: steekproefgrootte

Chi-kwadraattoets van onafhankelijkheid: analyse

Fisher's exact-toets

Analyse met Fisher's Exact test

Toetsen kiezen

Groepen vergelijken

Leer trends en relaties tussen variabelen in A/B-groepen analyseren. Begrijp hoe je de resultaten beoordeelt en presenteert aan elk publiek.

Introductie tot correlaties

Opties

Waar

Onwaar

Aantekeningen over correlatie

Correlatiecoëfficiënt

Pearson-correlatie

Pearson-steekproefgrootte

Beoordelen van Pearson-aannames

Pearson zonder rekening te houden met groepen

Pearson binnen groepen

Spearman-rangcorrelatie

Spearman-correlatieanalyse

Spearman-correlatie

Correlatie-opties

Resultaten van A/B-tests rapporteren

Een datavisualisatie kiezen

Tests

Staaf- of boxplot

Scatterplot

Plots voor analyses

Staafdiagrammen maken voor A/B-ontwerp

Correlatie en plotten

Associaties tussen variabelen

Begrijp de basis van regressie en regressielijnen. Leer regressies uitvoeren, gegevens voorspellen op basis van het regressiemodel en de resultaten visueel presenteren.

Introductie tot lineaire regressie

Spreidingsdiagram en punten

Weetjes over regressie

Lineaire regressie

Lineair regressiemodel

Lineaire voorspellingen

Meervoudige lineaire regressie

Logistische regressie

Logistische kansen

Regressie plotten

Logistische plot

Lineariteit

Afronding

Regressie en voorspellen

absent

covid

webdata

gamedata

SiteSales

A/B-testen is een veelvoorkomend experimenteel ontwerp voor onderzoek naar menselijk gedrag in zowel het bedrijfsleven als de academische wereld. In deze cursus leer je welke vragen je met A/B-testen kunt beantwoorden, waar je op moet letten bij A/B-testen, hoe je de juiste analyses uitvoert en hoe je de gegevens visualiseert. Je leert ook hoe je de benodigde steekproefomvang bepaalt, analyses uitvoert die passen bij je gegevens en hypothese, beoordeelt of de resultaten betrouwbaar zijn, en de uitkomsten presenteert aan elk publiek, ongeacht statistische achtergrond.

A/B-testen is een veelgebruikte manier om menselijk gedrag te onderzoeken in de industrie en de academische wereld. A/B-tests vergelijken twee varianten om te kijken of de resultaten verschillen en of die verschillen er echt toe doen. Door meer te weten te komen over A/B-testen en de resultaten te delen, kun je beslissingen en voorspellingen maken op basis van data.
<br><br>
<h2>Krijg inzicht in A/B-ontwerp</h2>
<br><br>
In deze cursus leer je welke vragen je met A/B-tests kunt beantwoorden, waar je op moet letten bij A/B-tests, hoe je de vragen kunt beantwoorden en hoe je de gegevens kunt visualiseren. Je leert ook hoe je de benodigde steekproefgrootte voor een experiment kunt bepalen, analyses kunt uitvoeren die passen bij de beschikbare gegevens en hypothese, kunt bepalen of de resultaten betrouwbaar zijn en de resultaten kunt presenteren aan een publiek, ongeacht hun statistische achtergrond.
<br><br>
<h2>Leer hoe je A/B-testgegevens kunt analyseren</h2>
<br><br>
Deze cursus behandelt parametrische en niet-parametrische A/B-tests, zoals t-toetsen, Mann-Whitney U-toetsen, Chi-kwadraattoetsen voor onafhankelijkheid, Fisher's exacte toets en Pearson- en Spearman-correlaties. Daarnaast ga je voor elke test een vermogensanalyse bekijken.
<br><br>
<h2>Voorspel resultaten op basis van gegevens</h2>
<br><br>
Naarmate je vordert, leer je ook lineaire en logistieke regressies uit te voeren om resultaten te voorspellen op basis van gegevens en eerdere bevindingen.
<br><br>
<h2>Presenteer resultaten aan elk publiek met visualisaties</h2>
<br><br>
Als je deze cursus hebt gedaan, snap je helemaal hoe A/B-tests werken, welke analyses je ermee kunt doen en hoe je de resultaten kunt laten zien met datavisualisaties.

Hypothesis Testing in R

Leer de basis van A/B-testen in R: ontwerp experimenten, analyseer data en presenteer resultaten.

A/B-testen in R

Leer de basis van A/B-testen in R, zoals hoe je experimenten opzet, gegevens analyseert, resultaten voorspelt en uitkomsten laat zien met visualisaties.

Sterkere correlatiecoëfficiënten maken nauwkeurigere voorspellingen mogelijk

Correlaties zijn bijzonder gevoelig voor uitschieters

In A/B-designs kun je correlaties over groepen heen negeren of juist binnen groepen beoordelen

Correlatie beoordeelt de sterkte en richting van twee variabelen

Correlaties geven de lijn van beste passing

Aantekeningen over correlatie

A/B-testen in R

Interactieve oefening met praktijkervaring