建立實驗設計的知識，能讓你用最佳實務的分析工具來檢驗假設，並量化你的工作風險。你將先打好基礎，認識什麼是實驗設計，以及不同的設計方式，例如分區（blocking）與分層（stratification）。接著你會學習並套用視覺化與分析方法，檢查實驗資料是否近似常態。

設定實驗

受試者的非隨機指派

受試者的隨機分派

實驗資料設定

以區組法分配實驗資料

分層設計實驗

哪一個做了分層？

常態資料

農業實驗中的常態性視覺檢查

農業實驗中的常態性（分析法）

實驗設計基礎準備

你將深入探討進階的實驗設計技巧，重點包括因子設計、隨機區集設計，以及共變數調整。這些方法有助於提升實驗結果的準確性、效率與可解釋性。透過理論與實作的結合，你會培養在各研究領域中設計、執行與分析複雜實驗的能力。

析因設計：原理與應用

了解行銷活動的成效

活動互動的熱度圖

因子設計與隨機區組設計

隨機區集設計：控制變異

實作 randomized block design

以誘因在各區塊中視覺化生產力

員工分區內的 ANOVA

實驗設計中的共變數調整

共變數的重要性

以小雞成長進行共變數調整

實驗設計技巧


熟悉 t 檢定、ANOVA 與卡方檢定等統計方法，並深入事後分析與檢定力分析的要點。學會選對檢定、解讀 p 值與錯誤型別，並熟練地進行檢定力分析以決定樣本數與效果量，同時運用 Python 強大的函式庫，將你的資料洞見具體呈現。

選擇正確的統計檢定

選擇正確的檢定：石化催化劑

選擇正確的檢定：人力資源

選擇正確的檢定：金融情境

ANOVA 之後的事後分析（post-hoc analysis）

焦慮治療的 ANOVA

套用 Tukey 的 HSD 檢定

套用 Bonferroni 校正

P 值、α 與錯誤

分析玩具耐用度

視覺化耐用度差異

顯著水準的角色

檢定力分析：樣本數與效果量

效果量的用途

估計能源研究所需的樣本數

分析實驗資料：統計檢定與檢定力

面對實驗資料分析的各種複雜性。學習如何運用 pandas 綜整洞見，使用 scipy.stats 處理如異質變異數等資料議題，並套用 Mann–Whitney U 等非母數檢定。你也會學到更多轉換、視覺化與詮釋複雜資料的技巧，強化你在各種實驗情境中進行穩健分析的能力。

從複雜實驗中綜整洞見

視覺化貸款核准收益率

探索顧客滿意度

有效溝通實驗資料

處理實驗資料中的複雜性

檢查保存期限的異質變異數

探索與轉換保存期限資料

在實驗分析中應用無母數檢定

保存方法的視覺化與統計檢定

進一步分析食物保存技術

恭喜你！

從實驗複雜度提煉進階洞見

Loan Approval Yield

Customer Satisfaction

HR Wellness

Chick Weights

Investment Returns

Marketing Campaign Conversation

Athletic Performance

Chemical Reactions

學會如何設計實驗並進行統計分析，開始做出精確的結論！在本課程中，你將了解不同的實驗設計設定，包括隨機區集設計與因子設計，如何用來衡量處理效果。你也會深入學習如何對實驗資料進行統計分析，包括為情境選擇正確的統計檢定、執行事後分析，以及使用 Cohen's d 與檢定力分析來衡量效果量與最小樣本數。最後，你將學會如何從複雜的實驗資料中萃取洞見並向不同利害關係人溝通發現，處理交互作用、異質變異數與混淆等複雜性，並在資料不符合母數檢定假設時，實作非母數方法。

<h2>實作實驗設計方案</h2>
學習如何為您的應用情境設計並實施最合適的實驗設計方案。 了解如何運用隨機區組設計與因子設計來衡量處理效果，並得出有效且精確的結論。<br><br>
<h2>對實驗數據進行統計分析</h2>
深入探討如何對實驗數據進行統計分析，包括選擇並執行統計檢定，例如 t 檢定、ANOVA 檢定，以及卡方關聯檢定。 在進行 ANOVA 檢定後，執行事後分析，以精確找出哪些成對比較具有顯著差異。<br><br>
<h2>進行 Power Analysis</h2>
學習如何衡量效應量，以判斷各組之間的差異程度，而不僅僅是顯著性差異。 使用假設的效應量進行效能分析，以確定達到所需統計效能所需的最小樣本數。 使用Cohen's d公式來衡量一些樣本資料的效果量，並檢驗在功效分析中所採用的效果量假設是否準確。<br><br>
<h2>解決實驗數據中的複雜性</h2>
從複雜的實驗數據中提取洞見，並學習如何將發現以最佳方式傳達給不同的利害關係人。 處理實驗數據中的交互作用、異質變異性以及混雜因素等複雜情況，以提升結論的有效性。 當資料不符合參數檢定的假設時，您將學習如何選擇並執行合適的非參數檢定。

Hypothesis Testing in Python

實施實驗設計並進行穩健的統計分析，以得出精確有效的結論！

Python 的實驗設計

學會設計實驗並進行嚴謹統計分析，助你做出精確且有效的結論！

應用統計 使用 Python

助理資料科學家  使用 Python

Curriculum Manager, DataCamp

檢定力分析：樣本與效應量

效應量入門

資料集：電玩遊戲投入時間

檢定力計算概覽

Cohen's d 的推導

電玩資料的 Cohen's d

理解樣本數與檢定力

情境化的樣本數計算

視覺化所需樣本數

一起來練習吧！

分析實驗資料：統計檢定與檢定力 - 檢定力分析：樣本數與效果量

檢定力分析：樣本數與效果量

Create Your Free Account