Gain an understanding of A/B tests and design. Learn about the aspects to be aware of to ensure appropriate handling of the data and analyses.

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

Factoren

Beïnvloedt power

Beïnvloedt power niet

Invloeden op power

Bepaal de ideale steekproefomvang

Regressie naar het gemiddelde

Introduction to A/B Tests

Learn common analyses to compare A/B groups. Understand the appropriate approach to each test given their assumptions and limitations.

Independent-sample t-test

Independent t-test sample size

Independent t-test analysis

Mann-Whitney U test

Mann-Whitney U analysis

Mann-Whitney U power assessment

t-test vs. Mann-Whitney U test

Chi-Square test of independence

Chi-Square test of independence sample size

Chi-Square test of independence analysis

Fisher's Exact test

Fisher's Exact test analysis

Choosing tests

Comparing Groups

Learn to analyze the trend and relationship of variables in A/B groups. Understand how to assess and present the results to any audience.

Introduction to correlations

Correlation notes

Correlation coefficient

Pearson correlation

Pearson sample size

Assessing Pearson assumptions

Pearson ignoring groups

Pearson within groups

Spearman-rank correlation

Spearman correlation analysis

Correlation options

Reporting A/B test results

Choosing a data visualization

Plots for analyses

Creating bar plots for A/B design

Correlation and plotting

Associations of Variables

Understand the basis of regression and regression lines. Learn to run regressions, predict data based on the regression model, and visually present the results.

Introduction to linear regression

Scatter and points

Regression facts

Linear regression

Linear regression model

Linear predictions

Multiple linear regression

Logistic regression

Logistic regression model

Logistic probabilities

Plotting regression

Logistic plot

Linearity

Wrap-up

Regression and Prediction

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.

Family-wise foutpercentage

A/B-testen in R

Praktische interactieve oefening