Félicitations !

Conception expérimentale en Python

James Chapman

Curriculum Manager, DataCamp

Chapitre 1

• Conception d'expérience et préparation des données
• Données normales

Chapitre 2

• Conception d'expérience et préparation des données
• Données normales
• Plans factoriels et en blocs aléatoires
• Ajustement par covariables

Chapitre 3

• Conception d'expérience et préparation des données
• Données normales
• Plans factoriels et en blocs aléatoires
• Ajustement par covariables
• Choisir le bon test d'hypothèse
• Analyses post hoc
• P-valeurs, alpha et erreurs de test
• Analyse de puissance

Chapitre 4

• Conception d'expérience et préparation des données
• Données normales
• Plans factoriels et en blocs aléatoires
• Ajustement par covariables
• Choisir le bon test d'hypothèse
• Analyses post hoc
• P-valeurs, alpha et erreurs de test
• Data storytelling avec des expériences
• Transformations et tests non paramétriques

Et ensuite ?

Projets réels :

• Tests d'hypothèse sur des matchs de football masculin et féminin
• Tests d'hypothèse en santé
• Projet de conception expérimentale

 

Cours de statistiques appliquées :

• A/B Testing in Python
• Analyzing Survey Data in Python
• Bayesian Data Analysis in Python
• Foundations of Inference in Python

Félicitations !

Conception expérimentale en Python