¡Enhorabuena!

Diseño experimental en Python

James Chapman

Curriculum Manager, DataCamp

Capítulo 1

• Configuración del experimento y los datos
• Datos normales

Capítulo 2

• Configuración del experimento y los datos
• Datos normales
• Diseños factoriales y de bloques aleatorizados
• Ajuste por covariables

Capítulo 3

• Configuración del experimento y los datos
• Datos normales
• Diseños factoriales y de bloques aleatorizados
• Ajuste por covariables
• Elegir la prueba de hipótesis adecuada
• Análisis post hoc
• Valores p, alfa y errores de prueba
• Análisis de potencia

Capítulo 4

• Configuración del experimento y los datos
• Datos normales
• Diseños factoriales y de bloques aleatorizados
• Ajuste por covariables
• Elegir la prueba de hipótesis adecuada
• Análisis post hoc
• Valores p, alfa y errores de prueba
• Narrativa de datos con experimentos
• Transformaciones y pruebas no paramétricas

¿Qué sigue?

Proyectos reales:

• Pruebas de hipótesis con partidos de fútbol masculino y femenino
• Pruebas de hipótesis en salud
• Proyecto de diseño experimental

 

Cursos de estadística aplicada:

• A/B Testing in Python
• Analyzing Survey Data in Python
• Bayesian Data Analysis in Python
• Fundamentos de inferencia en Python

¡Enhorabuena!

Diseño experimental en Python