Félicitations !

Conception d'expériences en Python

James Chapman

Curriculum Manager, DataCamp

Chapitre 1

• Configuration de l'expérience et des données
• Données normales

Chapitre 2

• Configuration de l'expérience et des données
• Données normales
• Plans factoriels et en blocs aléatoires
• Ajustement par covariable

Chapitre 3

• Configuration de l'expérience et des données
• Données normales
• Plans factoriels et en blocs aléatoires
• Ajustement par covariable
• Choisir le bon test d'hypothèse
• Analyse post hoc
• Valeurs p, alpha et erreurs de test
• Analyse de puissance

Chapitre 4

• Configuration de l'expérience et des données
• Données normales
• Plans factoriels et en blocs aléatoires
• Ajustement par covariable
• Choisir le bon test d'hypothèse
• Analyse post hoc
• Valeurs p, alpha et erreurs de test
• Narration des données avec des expériences
• Transformations et tests non paramétriques

Et ensuite ?

Projets réels :

• Hypothesis Testing with Men's and Women's Soccer Matches
• Hypothesis Testing in Healthcare
• 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 d'expériences en Python