Glückwunsch!

Versuchsplanung mit Python

James Chapman

Curriculum Manager, DataCamp

Kapitel 1

• Versuchs- und Datensetup
• Normale Daten

Kapitel 2

• Versuchs- und Datensetup
• Normale Daten
• Faktorielles Design und Randomized Block
• Kovariatenanpassung

Kapitel 3

• Versuchs- und Datensetup
• Normale Daten
• Faktorielles Design und Randomized Block
• Kovariatenanpassung
• Den richtigen Hypothesentest wählen
• Post-hoc-Analyse
• p-Werte, Alpha und Fehlerarten
• Power-Analyse

Kapitel 4

• Versuchs- und Datensetup
• Normale Daten
• Faktorielles Design und Randomized Block
• Kovariatenanpassung
• Den richtigen Hypothesentest wählen
• Post-hoc-Analyse
• p-Werte, Alpha und Fehlerarten
• Storytelling mit Experimenten
• Transformationen und nichtparametrische Tests

Wie geht's weiter?

Praxisprojekte:

• Hypothesentests mit Männer- und Frauenfußballspielen
• Hypothesentests im Gesundheitswesen
• Projekt: Versuchsplanung

 

Kurse zur angewandten Statistik:

• A/B-Tests in Python
• Umfragedaten in Python analysieren
• Bayesianische Datenanalyse in Python
• Grundlagen der Inferenz in Python

Glückwunsch!

Versuchsplanung mit Python