在功效分析的背景下，估计效应量（如 Cohen 的 d）的主要目的是什么？
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
掌握实验设计有助于您用最佳实践的分析工具来检验假设，并量化工作中的风险。您将从打好基础开始，理解什么是实验设计，以及分块（blocking）与分层（stratification）等不同的实验设置。随后，您将学习并应用对实验数据正态性的可视化与分析检验。
您将深入研究更高级的实验设计技术，重点涵盖析因设计、随机区组设计和协变量校正。这些方法能显著提升实验结果的准确性、效率和可解释性。通过理论与实践相结合，您将掌握在各类研究领域中设计、实施并分析复杂实验所需的技能。
掌握 t 检验、ANOVA 和卡方检验等统计方法，深入学习事后分析与功效分析要点。学会选择合适的检验、解读 p 值与错误类型，并熟练开展功效分析以确定样本量与效应量，同时借助 Python 强大的库将数据洞见转化为可行动的结论。
当前练习
走进实验数据分析的复杂性。学习使用 pandas 综合提炼洞见，利用 scipy.stats 处理诸如异方差等数据问题，并应用 Mann-Whitney U 等非参数检验。掌握更多用于转换、可视化与解读复杂数据的技巧，增强您在各类实验场景中开展稳健分析的能力。
