Hvordan designer vi transparente og reproducerbare eksperimenter med tilstrækkelig power? Hvordan vrider vi mest mulig efficiens ud af dem? Og hvordan kan vi anvende selve randomiseringen som afsæt for kausal inferens? Denne note introducerer et udsnit af metoder til at designe og analysere eksperimentelle studier med afsæt i statistikprogrammet R. Det er håbet, at notatet vil være en hjælp til at reflektere over, designe, og analysere eksperimenter i forbindelse med bachelorprojekter eller specialer - og forhåbentligt også i arbejde med eksperimenter uden for instituttets mure. Notatet berører selvsagt kun en lille del af den omfattende litteratur, men for så vidt mulig henvises til videre læsning, særligt til relevante kapitler i Gerber & Green (2012). 
Notatets indhold kan inddeles i tre. I første del introduceres metoder til at maksimere efficiens og transparens i designfasen, herunder behandles simulering af data, poweranalyse, komplet randomisering og blokrandomisering. I notatets anden del introduceres designbaseret inferens - såkaldt randomiseringsinferens - som framework til at analysere eksperimentelle data. I tredje del uddybes eksempler på analyser af eksperimentelle data, herunder balancetest, hypotesetest med og uden kovariatjustering, interaktioner samt udledning af konfidensintervaller. Det antages, at læseren har et grundlæggende kendskab til R samt til potentiel outcomes-frameworket. De indledende kapitler i Gerber & Green (2012) eller Imbens & Athey (2017) er gode steder at starte for en introduktion eller genopfriskning.