認識 A/B 測試與實驗設計。了解需注意的面向，以妥善處理資料與分析。

A/B 測試與設計

A/B 受試者設計

格式與長條圖

A/B 測試中的考量

A/B 測試中的第一類型錯誤

抽樣（Sampling）

家族型錯誤率（Family-wise error rate）

檢定力與樣本數

檢定力的影響因素

決定理想的樣本數

平均回歸（Regression to the mean）

A/B 測試入門

學習用於比較 A/B 兩組的常見分析。根據各檢定的假設與限制，掌握正確的做法。

獨立樣本 t 檢定

獨立樣本 t 檢定的樣本數

獨立樣本 t 檢定分析

Mann-Whitney U 檢定

Mann-Whitney U 分析

Mann-Whitney U 檢定的檢定力評估

t 檢定 vs. Mann-Whitney U 檢定

卡方獨立性檢定

卡方獨立性檢定的樣本數

卡方獨立性檢定分析

Fisher 精確檢定

Fisher 精確檢定分析

選項

T 檢定

卡方或 Fisher 精確檢定

選擇合適的檢定

比較兩組

學習分析 A/B 組中變數的趨勢與關係。了解如何評估並向任何受眾呈現結果。

Correlation coefficient（相關係數）

皮爾森相關

Pearson 樣本數

評估 Pearson 假設

忽略分組的 Pearson

組內的 Pearson

Spearman 等級相關

Spearman 相關分析

呈現 A/B 測試結果

選擇資料視覺化方式

分析用的圖表

為 A/B 設計建立長條圖

變數關聯

理解迴歸與迴歸線的基礎。學習執行迴歸、以迴歸模型進行預測，並以視覺化方式呈現結果。

線性回歸導論

散佈與點

迴歸小常識

線性迴歸

線性迴歸模型

線性預測

多元線性迴歸

邏輯斯迴歸

羅吉斯迴歸模型

邏輯機率

繪製回歸圖

邏輯斯迴歸圖

線性關係

總結

迴歸與預測

absent

covid

SiteSales

gamedata

webdata

A/B 測試是在產業與學術界用於研究人類行為的常見實驗設計。這門課會帶你了解 A/B 測試能回答哪些問題、在 A/B 測試中需要注意的重要要點、如何回答手上的研究問題，以及如何視覺化資料。你也會學到如何決定實驗所需的樣本數、針對手上的資料與假設進行合適的分析、評估結果是否足以令人信賴，並且不論聽眾是否具統計背景，都能清楚呈現結果。

A/B 測試是業界與學術界在進行人類行為研究時常用的實驗設計方法。 A/B 測試比較兩個變體，以判斷測量結果是否顯示出不同的表現，以及這些測量是否存在有意義的差異。 透過學習A/B測試並展示結果，您可以做出以數據為基礎的決策與預測。
<br><br>
<h2>建立對 A/B 設計的理解</h2>
<br><br>
在本課程中，您將學習 A/B 測試能解決哪些問題、進行 A/B 測試時需注意的重要事項、如何回答相關問題，以及如何將數據視覺化。 您還將學習如何確定實驗所需的樣本數、根據手頭的數據與假設進行適當的分析、判斷結果是否具有可信度，並能夠向不同統計背景的觀眾清楚呈現分析結果。
<br><br>
<h2>學習如何分析 A/B 測試數據</h2>
<br><br>
本課程涵蓋參數與非參數的A/B測試，包括t檢定、Mann-Whitney U檢定、卡方獨立性檢定、Fisher精確檢定，以及Pearson與Spearman相關分析。 此外，您還將針對每項測試進行效能分析。
<br><br>
<h2>根據資料預測結果</h2>
<br><br>
隨著課程進行，您也將學習如何運用線性回歸與邏輯回歸，根據資料與過往結果預測各種結果。
<br><br>
<h2>用視覺化向任何受眾呈現結果</h2>
<br><br>
完成本課程後，您將徹底了解A/B測試、可進行的各種分析，以及如何透過資料視覺化傳達結果。

Hypothesis Testing in R

學習R語言中的A/B測試基礎，包括設計實驗、分析數據、預測結果及視覺化呈現。

R 中的 A/B 測試

掌握 R 中 A/B testing 基礎，學會設計實驗、分析數據、預測結果並以視覺化呈現分析成果。

獨立樣本 t 檢定

Create Your Free Account