Роль уровней значимости

Что из перечисленного наилучшим образом описывает роль уровней альфа (\(\alpha\)), таких как 0,05, 0,01 и 0,10, в проверке гипотез?

Это упражнение является частью курса

Планирование экспериментов в Python

Посмотреть курс

Практическое интерактивное упражнение

Превратите теорию в практику с помощью одного из наших интерактивных упражнений

Начать упражнение

Это упражнение является частью курса

Планирование экспериментов в Python

SkillTag.level.intermediateSkillTag.label

4.8+

1949 reviews

Начать курс бесплатно

Знание основ планирования экспериментов позволяет проверять гипотезы с помощью передовых аналитических инструментов и оценивать риски своей работы. Вы начнёте с изучения фундаментальных понятий планирования экспериментов и различных схем — таких как блокирование и стратификация. Затем освоите визуальные и аналитические методы проверки нормальности экспериментальных данных.

Exercise 1: Постановка экспериментов Exercise 2: Нерандомизированное распределение испытуемых Exercise 3: Случайное распределение объектов по группам Exercise 4: Настройка экспериментальных данных Exercise 5: Блокировка экспериментальных данных Exercise 6: Стратификация эксперимента Exercise 7: Что было стратифицировано?Exercise 8: Нормальное распределение данных Exercise 9: Визуальная проверка нормальности в сельскохозяйственном эксперименте Exercise 10: Аналитическая проверка нормальности в сельскохозяйственном эксперименте

Вы познакомитесь с продвинутыми методами планирования экспериментов: факторными схемами, рандомизированными блочными планами и корректировкой по ковариатам. Эти подходы повышают точность, эффективность и интерпретируемость результатов экспериментов. Сочетая теорию с практикой, вы приобретёте навыки, необходимые для разработки, реализации и анализа сложных экспериментов в различных областях исследований.

Exercise 1: Факторные планы: принципы и применение Exercise 2: Анализ эффективности маркетинговой кампании Exercise 3: Тепловая карта взаимодействий в кампании Exercise 4: Факториальные и рандомизированные блочные планы Exercise 5: Рандомизированный блочный дизайн: управление дисперсией Exercise 6: Реализация рандомизированного блочного дизайна Exercise 7: Визуализация производительности внутри блоков по типу стимула Exercise 8: ANOVA внутри блоков сотрудников Exercise 9: Корректировка на ковариату в экспериментальном дизайне Exercise 10: Важность ковариат Exercise 11: Корректировка по ковариате: рост цыплят

Освойте статистические критерии — t-критерий, дисперсионный анализ (ANOVA) и критерий хи-квадрат — и глубоко изучите апостериорный анализ и анализ мощности. Вы научитесь выбирать подходящий критерий, интерпретировать p-значения и ошибки, а также грамотно проводить анализ мощности для определения объёма выборки и размера эффекта — всё это с использованием мощных библиотек Python.

Exercise 1: Выбор подходящего статистического критерия Exercise 2: Выбор подходящего теста: нефтехимия Exercise 3: Выбор правильного критерия: кадровые ресурсы Exercise 4: Выбор подходящего теста: финансы Exercise 5: Апостериорный анализ после дисперсионного анализа (ANOVA)Exercise 6: Дисперсионный анализ методов лечения тревожности Exercise 7: Применение критерия Тьюки HSD Exercise 8: Применение поправки Бонферрони Exercise 9: P-значения, альфа и ошибки Exercise 10: Анализ прочности игрушек Exercise 11: Визуализация различий в долговечности Exercise 12: Роль уровней значимости

Текущее упражнение

Exercise 13: Анализ мощности: размер выборки и эффекта Exercise 14: Назначение размера эффекта Exercise 15: Оценка необходимого объёма выборки для исследования в энергетике

Погрузитесь в анализ сложных экспериментальных данных. Вы научитесь обобщать результаты с помощью pandas, справляться с такими проблемами данных, как гетероскедастичность, используя scipy.stats, и применять непараметрические критерии, например критерий Манна–Уитни. Вы также освоите дополнительные техники преобразования, визуализации и интерпретации сложных данных, что повысит качество ваших аналитических исследований в различных экспериментальных условиях.

Exercise 1: Обобщение результатов сложных экспериментов Exercise 2: Визуализация доходности одобрения кредитов Exercise 3: Изучение удовлетворённости клиентов Exercise 4: Эффективная презентация экспериментальных данных Exercise 5: Работа со сложными аспектами экспериментальных данных Exercise 6: Проверка гетероскедастичности срока хранения Exercise 7: Исследование и преобразование данных о сроке хранения Exercise 8: Применение непараметрических критериев в экспериментальном анализе Exercise 9: Визуализация и тестирование методов консервации Exercise 10: Дополнительный анализ методов сохранения продуктов питания Exercise 11: Поздравляем!