Statistik - Deskriptive und Induktive Statistik

Details

ID 1252911
Dauer 5.0 Tage
Methoden Vortrag mit Beispielen und Übungen.
Vorwissen Allgemeine Kenntnisse der Mathematik
Zielgruppe Datenanalysten

Ziele

Datensätze beschreiben

Lernen Sie, mit Lage- und Streuungsmaßen Datensätze zu beschreiben

Zusammenhängen aufdecken

Weisen Sie Zusammenhänge zwischen Datenreihen nach

Statistische Modelle entwickeln

Verwenden Sie Regression, um Daten in Modellen zu erklären

Rechnen mit Wahrscheinlichkeiten

Setzen Sie induktive Statistik für Wahrscheinlichkeiten ein

Hypothesen testen und nachweisen

Sehen Sie, wie Sie Hypothesen über die Grundgesamtheit prüfen

Übersicht

Die deskriptive Statistik ermöglicht es, vorliegende Daten in geeigneter Weise zu beschreiben und zusammenzufassen. Mit ihren Methoden verdichtet man quantitative Daten zu Tabellen, graphischen Darstellungen und Kennzahlen. Man lernt in einem ersten Teil Lagemaße (zentrale Tendenz einer Häufigkeitsverteilung, Mittelwert, Median, Modus oder Modalwert, Quantile (Quartile, Dezile), Schiefe und Exzess einer Verteilung) und die Streuungsmaße (Varianz, Standardabweichung, Variationsbreite/Spannweite, Interquartilbereiche, Mittlere absolute Abweichung) und Zusammenhangsmaße sowie Konzentrationsmaße kennen. In einem zweiten Teil lernen die TeilnehmerInnen dann die lineare und nicht-lineare Regressionsanalyse für metrische Daten kennen. Die induktive Statistik hingegen leitet aus den Daten einer Stichprobe Eigenschaften einer Grundgesamtheit ab. Die Wahrscheinlichkeitstheorie liefert die Grundlagen für die erforderlichen Schätz- und Testverfahren. Sie gibt der deskriptiven Statistik die Werkzeuge an die Hand, mit deren Hilfe diese aufgrund der beobachteten Daten begründete Rückschlüsse auf deren zu Grunde liegendes Verhalten ziehen kann. Im dritten Teil dieses Seminars lernen die TeilnehmerInnen zunächst die Wahrscheinlichkeitstheorie kennen und leiten dann aus Stichproben mit statistischen Testverfahren Informationen über die Grundgesamtheit ab.

Termine

OPEN
INHOUSE

Zurzeit stehen keine offenen Termine zur Verfügung. Nutzen Sie alternativ die Inhouse‑Option.

Lernen Sie anhand maßgeschneiderter Beispiele und Inhalte – passgenau für Ihre Anforderungen.

Ihre Vorteile im Überblick

  • Flexibles Wunschdatum
  • Maßgeschneiderte Inhalte
  • Intensiver Austausch
  • Hoher Praxisbezug

Themen

  • Deskriptive Statistik nutzen, um Daten zu beschreiben
  • Wahrscheinlichkeitstheorie verstehen und anwenden
  • Zusammenhänge nachweisen und statistische Modelle bauen
  • Eigenschaften von Daten prüfen und nachweisen

Beschreibung

Lernen Sie, wie Sie in Minitab mit deskriptiver Statistik Datenreihen strukturiert beschreiben und zusammenfassen, um dann mit induktiver Statistik Hypothesen aufstellen und beweisen.

Services

  • Mittagessen / Catering
  • Hilfe bei Hotel / Anreise
  • Comelio-Zertifikat
  • Flexibel: Bis einen Tag vorher kostenlos stornieren
Service-Kaffeekanne

Comelio Medien

Noch auf der Suche nach weiterführender Literatur? Entdecken Sie passende Fachbücher in unserem Katalog.

Inhalt

Deskriptive Statistik: Eindimensionale Häufigkeitsverteilungen

Häufigkeitsverteilungen und grafische Darstellung bei verschiedenen Skalen - Maßzahlen der Häufigkeit: Mittelwerte (Modus, Zentralwert, Quantile, Arithmetisches / geometrisches / harmonisches Mittel - Streuungsmaße: Spannweite, Quartilsabstand, Mittlere absolute Abweichung, empirische Standardabweichung, Variationskoeffizient - Formparameter: Schiefemaße, Wölbungsmaße

Deskriptive Statistik: Korrelationsanalyse

Koeffizienten bei nominal skalierten Merkmalen: Quadratische Kontingenz, Phi-Koeffizient, Kontingenzkoeffizient - Koeffizienten bei ordinal skalierten Merkmalen: Rangkorrelationskoeffizient nach Spearman - Koeffizienten bei metrisch skalierten Merkmalen: Empirische Kovarianz, Empirischer Korrelationskoeffizient nach Bravais-Pearson

Deskriptive Statistik: Regressionsanalyse

Lineare und nicht-lineare Regression - Lineare Einfach-Regression: Berechnung der Regressionsgeraden und des Determinationskoeffizienten - Vorhersagen und Residualanalyse

Induktive Statistik: Wahrscheinlichkeitstheorie

Grundlagen: Zufallsexperiment, Ergebnismenge und Ereignis, Zusammengesetzte Ereignisse, Absolute und relative Häufigkeiten - Wahrscheinlichkeitsbegriffe: Klassischer, statistischer und subjektiver Wahrscheinlichkeitsbegriff - Rechnen mit Wahrscheinlichkeiten: Axiome und ihre Folgerungen, Bedingte Wahrscheinlichkeit, Multiplikationssatz, Stochastische Unabhängigkeit, Satz der totalen Wahrscheinlichkeit, Bayessches Theorem - Kombinatorik: Permutationen, Kombinationen mit und ohne Wiederholung, Eigenschaften des Binomialkoeffizienten, Urnenmodell

Induktive Statistik: Wahrscheinlichkeitsverteilungen

Zufallsvariablen - Diskrete Verteilungen: Binomialverteilung, Poissonverteilung, Hypergeometrische Verteilung, Geometrische Verteilung - Stetige Verteilungen: Gleichverteilung, Exponentialverteilung, Normalverteilung - Maßzahlen: Erwartungswert, Mathematische Erwartung, Varianz

Induktive Statistik: Statistisches Testen

Intervallschätzungen: Konfidenzintervall für den Mittelwert und für die Varianz einer Normalverteilung sowie für den Anteilswert - Parametertests: Test für Mittelwert einer Normalverteilung, Test für Anteilswert, Fehler beim Testen, Test für Varianz, Differenztests für den Mittelwert und Anteilswert, Quotiententest für die Varianz - Verteilungstests: Chi-Quadrat-Anpassungstest, Chi-Quadrat-Unabhängigkeitstest (Kontingenztest)

Dozent/in

Unser Statistik- und Data-Mining-Trainer Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Fachbuch-Autor zum Thema Datenbanken und als Business Intelligence-Berater. Zu seinen Kunden zählen Marktforschungsunternehmen oder Behörden wie der Deutsche Bundesrat sowie Abteilungen für die Qualitätssicherung und Prozessoptimierung.

Veröffentlichungen

  • Grundlagen empirische Sozialforschung (Comelio Medien )
    978-3-939701-23-1
  • System und Systematik von Fragebögen (Comelio Medien )
    978-3-939701-26-2
  • Oracle SQL (Comelio Medien )
    978-3-939701-41-5
  • SQL Server 2012: Data Mining und multivariate Verfahren (Comelio Medien )
    978-3-939701-85-9
  • SQL und relationale Datenbanken (Comelio Medien )
    978-3-939701-52-1

Projekte

Er leitete ein mehrjähriges Forschungsprojekt zur Entwicklung eines Fragebogensystems mit ontologie-basiertem Datenmodell und innovativen Frage-Antwort-Darstellungen. Förderung durch das BMWi und Zusammenarbeit mit verschiedenen Universitäten.

Forschung

Als Berater und Projektleiter konzipiert Herr Skulschus Business Intelligence-Systeme auf Basis von OLAP und Data Warehouse-Technologien mit MS SQL Server und Oracle mit Berichtskomponenten im Intranet oder MS Excel, statistische Analysen und Data Mining-Modulen. Je nach Aufgabe setzt er R, IBM SPSS oder Minitab ein.

Zertifikate

Marco Skulschus ist zertifiziert als "Microsoft Certified Trainer" und "Oracle Certified Associate" und hat die ComptiaCTT+ Prüfung absolviert.