Pular para o conteúdo principal
InícioPython

Projeto experimental em Python

Implemente designs experimentais e realize análises estatísticas robustas para conclusões precisas e válidas!

Comece O Curso Gratuitamente
4 horas14 vídeos47 exercícios4.142 aprendizesTrophyDeclaração de Realização

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.
Group

Treinar 2 ou mais pessoas?

Tentar DataCamp for Business

Amado por alunos de milhares de empresas


Descrição do Curso

Implementar configurações de projeto experimental

Saiba como implementar a configuração de projeto experimental mais adequada para seu caso de uso. Saiba como os projetos de blocos aleatórios e os projetos fatoriais podem ser implementados para medir os efeitos do tratamento e tirar conclusões válidas e precisas.

Realizar análises estatísticas de dados experimentais

Aprofunde-se na realização de análises estatísticas de dados experimentais, incluindo a seleção e a realização de testes estatísticos, como testes t, testes ANOVA e testes qui-quadrado de associação. Realize análises post-hoc seguindo os testes ANOVA para descobrir com precisão quais comparações entre pares são significativamente diferentes.

Conduzir análise de energia

Aprenda a medir o tamanho do efeito para determinar a quantidade pela qual os grupos diferem, além de serem significativamente diferentes. Realize uma análise de poder usando um tamanho de efeito presumido para determinar o tamanho mínimo de amostra necessário para obter o poder estatístico exigido. Use a formulação d de Cohen para medir o tamanho do efeito de alguns dados de amostra e teste se as suposições do tamanho do efeito usadas na análise de potência foram precisas.

Abordar as complexidades dos dados experimentais

Extraia insights de dados experimentais complexos e aprenda as práticas recomendadas para comunicar as descobertas a diferentes partes interessadas. Aborde complexidades como interações, heterocedasticidade e confusão em dados experimentais para melhorar a validade de suas conclusões. Quando os dados não atenderem às premissas dos testes paramétricos, você aprenderá a escolher e implementar um teste não paramétrico apropriado.
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.
DataCamp Para EmpresasPara uma solução sob medida , agende uma demonstração.

Nas seguintes faixas

Certificação disponível

Cientista de dados associado em Python

Ir para a trilha

Estatística aplicada em Python

Ir para a trilha
  1. 1

    Preliminares do projeto experimental

    Gratuito

    O desenvolvimento do conhecimento em design experimental permite que você teste hipóteses com ferramentas analíticas de práticas recomendadas e quantifique o risco do seu trabalho. Você começará sua jornada definindo os fundamentos do que é um projeto experimental e as diferentes configurações de projeto experimental, como bloqueio e estratificação. Em seguida, você aprenderá e aplicará testes visuais e analíticos de normalidade em dados experimentais.

    Reproduzir Capítulo Agora
    Configuração de experimentos
    50 xp
    Designação não aleatória de sujeitos
    100 xp
    Designação aleatória de sujeitos
    100 xp
    Configuração de dados experimentais
    50 xp
    Bloqueio de dados experimentais
    100 xp
    Estratificação de um experimento
    100 xp
    Qual foi estratificado?
    50 xp
    Dados normais
    50 xp
    Normalidade visual em um experimento agrícola
    100 xp
    Normalidade analítica em um experimento agrícola
    100 xp
  2. 2

    Técnicas de projeto experimental

    Você se aprofundará em técnicas sofisticadas de projeto experimental, concentrando-se em projetos fatoriais, projetos de blocos aleatórios e ajustes de covariáveis. Essas metodologias são fundamentais para aprimorar a precisão, a eficiência e a interpretabilidade dos resultados experimentais. Por meio de uma combinação de percepções teóricas e aplicações práticas, você adquirirá as habilidades necessárias para projetar, implementar e analisar experimentos complexos em vários campos de pesquisa.

    Reproduzir Capítulo Agora
  3. 3

    Análise de dados experimentais: Testes estatísticos e potência

    Domine testes estatísticos como testes t, ANOVA e qui-quadrado, e mergulhe fundo nas análises post-hoc e nos fundamentos da análise de potência. Aprenda a selecionar o teste correto, a interpretar valores p e erros e a conduzir habilmente a análise de potência para determinar os tamanhos da amostra e do efeito, tudo isso aproveitando as poderosas bibliotecas do Python para dar vida às suas percepções de dados.

    Reproduzir Capítulo Agora
  4. 4

    Insights avançados da complexidade experimental

    Você pode se aprofundar nas complexidades da análise de dados experimentais. Aprenda a sintetizar insights usando o pandas, abordar problemas de dados como heterocedasticidade com o scipy.stats e aplicar testes não paramétricos como o Mann-Whitney U. Aprenda técnicas adicionais para transformar, visualizar e interpretar dados complexos, aprimorando sua capacidade de realizar análises robustas em várias configurações experimentais.

    Reproduzir Capítulo Agora
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.

Nas seguintes faixas

Certificação disponível

Cientista de dados associado em Python

Ir para a trilha

Estatística aplicada em Python

Ir para a trilha

conjuntos de dados

HR WellnessChemical ReactionsInvestment ReturnsChick WeightsMarketing Campaign ConversationAthletic PerformanceCustomer SatisfactionLoan Approval Yield

colaboradores

Collaborator's avatar
Dr. Chester Ismay
James Chapman HeadshotJames Chapman

Curriculum Manager, DataCamp

Ver Mais

O que os outros alunos têm a dizer?

Junte-se a mais de 15 milhões de alunos e comece Projeto experimental em Python hoje mesmo!

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.