課程資訊
課程名稱
 實驗設計
Experimental Design 
開課學期
 110-1 
授課對象
 理學院  心理學研究所  
授課教師
 陳建中 
課號
 Psy7001 
課程識別碼
 227 M1220 
班次
  
學分
 3.0 
全/半年
 半年 
必/選修
 必修 
上課時間
 星期三2,3,4(9:10~12:10) 
上課地點
  
備註
 上課教室:南館N100教室及北館電腦教室。
總人數上限：50人 
Ceiba 課程網頁
 http://ceiba.ntu.edu.tw/1101Psy7001_1 
課程簡介影片
 
核心能力關聯
 核心能力與課程規劃關聯圖
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述

N/A 

課程目標
 N/A 
課程要求
  
預期每週課後學習時數
  
Office Hours
 每週二 13:00~14:00 備註： TA 鄭澈 (d06227105@ntu.edu.tw) Office Hour Fri. 11:00-12:00 TA 林子堯 (r08227112@ntu.edu.tw) Office Hour Wed. 13:00-14:00 at S322，或是先寄信另約時間 
指定閱讀
  
參考書目
 【Textbook】
Kirk, G. Experimental Design (4th Ed.). Los Angeles: Sage.

【Supplementary】
1. Abdi. H., Edelman, B. Valentin, D. & Dowling W. J. (2009). Experimental
Design and Data Analysis for Psychology. Oxford University Press.
2. Boynton, GM & Fine, I (2013). Matlab for the Behavioral Sciences.
Seattle: Amazon Digital Services.
3. Borgo M. & Soranzo A. (2012). MATLAB for Psychologists. Berlin: Springer. 
評量方式
(僅供參考)
  
No.
項目
百分比
說明
1. 
 Homework/lab 
50% 
  
2. 
 Midterm exam 
25% 
  
3. 
 Final exam 
25% 
  
 
課程進度
週次
日期
單元主題
第1週
   Overview & Introduction (K:1,2 & Appendices; A: 1 & Appendices)
//
Lab: Basic MATLAB
[上課連結]：https://ntucc.webex.com/ntucc/j.php?MTID=m0741177f4d926a498ffdef16be46a17b 
第2週
   Probability (K:1,2 & Appendices; A: Appendices)
//
Lab: Basic Statistical functions 
第3週
   Elementary statistics (K: 3; A: 2, 3 & 11)
//
Lab: Monte Carlo simulation 
第4週
   General linear model (K: 7; A: 4,5) and Trend Analysis (K 6)
//
Lab: Linear regression  
第5週
   Completely randomized design (K: 4; A: 7 & 8)
//
Lab: ANOVA1 
第6週
   Multiple comparison (K: 5; A: 12, 13, 14)
//
Lab: Stats toolbox 
第7週
   Blocked design (K: 8 A: 16 & 17)
//
Lab: Stats toolbox 
第8週
   Mid-term Exam 
第9週
   Factorial design (K: 9, 10; A: 15, 16)
//
Lab: N-dim ANOVA 
第10週
   Factorial blocked design (K: 10; A: 16, 18 & 19) 
第11週
   Hierarchical design (K: 11; A: 21)
//
Lab: N-dim ANOVA 
第12週
   Split-plot design (K: 12; A: 20)
//
Lab: TBA 
第13週
   ANCOVA (K: 13)
//
Lab: ANCOVA 
第14週
   Bayesian approach
//
Lab: Bayesian model 
第15週
   Machine learning approach
//
Lab: SVM 
第16週
   Final exam