Angebot!

Seminar Grundlagen der Statistik mit Python für Anfänger

Dozent: Dr. Haug Leuschner

 

 790,00 1.750,00

Zzgl. 19% MwSt.
Auswahl zurücksetzen

Das fünftägige Seminar Grundlagen der Statistik mit Python für Anfänger bietet im zweitägigen Basistraining eine fundierte Einführung in die Grundfunktionen von Python und Spyder, in den Datenimport, in die Datenaufbereitung und in die deskriptive Statistik mit Erstellung von Diagrammen. Im dreitägigen Aufbautraining wird in die schließende Statistik und in die Anwendung von statistischen Tests und Varianzanalysen eingeführt.

Bei Buchung des Aufbautrainings werden die Inhalte des Basistrainings vorausgesetzt. Im fünftägigen Kompletttraining haben Sie das gesamte Programm, wobei im Preis eine Ermäßigung von 10 % für die Teilnahme am Basis- und Aufbautraining in derselben Woche enthalten ist. Unternehmen und Organisationen können bei der Buchung von zwei Seminarplätzen im 5-tägigen Komplett-Training kostenlos eine dritte Person anmelden (bei der Buchung von zwei Plätzen können drei Namen an der Kasse angegeben werden).

Im Preis sind digitale Unterlagen und ein Schulungszertifikat enthalten, optional können gedruckte Unterlagen und ein Fernzugriff auf einen fertig konfigurierten Schulungslaptop dazugebucht werden. Sie können auf Rechnung zahlen (weitere Infos).

Artikelnummer: GSP Kategorien: ,

Beschreibung

Der Python-Kurs Grundlagen der Statistik mit Python für Anfänger bietet einen verständnisorientierte Einführung in die zentralen statistischen Verfahren der deskriptiven Statistik, der schließenden Statistik und der angewandten Statistik. Dieser Python-Kurs führt in die grundlegenden Funktionen der statistischen Programmiersprache Python und der Entwicklungsumgebung Spyder mit den gängigen Methoden und Verfahren des Datenimports, der Datenanalyse und der Präsentation von Ergebnissen ein.

Zielgruppe: Personen mit wenig oder keiner Erfahrung in Statistik und der Anwendung der Programmiersprache Python mit der Entwicklungsumgebung Spyder; Anwender, Fachkräfte, Doktoranden und Studierende aus den Bereichen der Sozial- und Marktforschung, der Betriebswirtschaft (Marketing, Business Intelligence) und der psychologischen, klinischen, pharmazeutischen und biologischen Forschung

Voraussetzungen: allgemeine Computerkenntnisse (Erfahrung in der Anwendung von Textverarbeitungs- und Tabellenkalkulationsprogrammen), Grundkenntnisse in der Mathematik (Grundkenntnisse in der Statistik sind von Vorteil, aber nicht erforderlich), bei Buchung des Aufbautrainings die Inhalte des Basistrainings

Lernziele: die Grundfunktionen der Programmiersprache Python und der Entwicklungsumgebung Spyder kennenlernen, mit der interaktiven Shell IPython umgehen lernen, die Grundlagen der deskriptiven und schließenden Statistik verstehen und anwenden können, Daten importieren, aufbereiten und auswerten können, einfache Python-Skripte zur Erstellung von Tabellen mit deskriptiven Statistiken und Diagrammen erstellen und testen können, Signifikanztests durchführen und interpretieren können, Ergebnisse darstellen, erläutern und interpretieren können

Übungen: Es wird Wert auf den Anwendungsbezug gelegt, die Praxisbeispiele und Übungsaufgaben erfolgen in der Schulung mit der Programmiersprache Python unter der Entwicklungsumgebung Spyder. Es wird mit zahlreichen Aufgaben aus verschiedenen Anwendungsbereichen ein vertieftes Verständnis der statistischen Standardverfahren und ein sicherer Umgang mit Python und Spyder sichergestellt.

Leistungen: ganztägiger Intensiv-Unterricht in Kleingruppen (9-17 Uhr, max. 10 Personen), gedrucktes Schulungszertifikat; Online-Veranstaltungen: digitale Schulungsunterlagen (gegen Aufpreis: gedruckte Schulungsunterlagen und/oder Fernzugang zu einem Schulungslaptop mit installierter Software); Präsenz-Veranstaltungen: Schulungsräume in zentraler Lage, Getränke in den Pausen, Schulungslaptop mit installierter Software, gedruckte Schulungsunterlagen

Aufbau: Das 5-tägige Komplett-Training Grundlagen der Statistik mit Python für Anfänger besteht aus einem 2-tägigen Basis-Training und einem direkt anschließenden 3-tägigen Aufbau-Training, die auch einzeln gebucht werden können.

Inhalte des 5-tägigen Komplett-Trainings Grundlagen der Statistik mit Python für Anfänger

  • 2-tägiges Basis-Training: Deskriptive Statistiken und Diagramme

    • Grundfunktionen von Python und Spyder
      • Python-Bibliotheken mit Anaconda installieren
      • Anaconda und die Entwicklungsumgebung Spyder
      • Variablen, Datentypen, Ausdrücke, Operatoren und Operanden
      • Python-Kollektionen string und list
      • Python-Skripte entwickeln und testen
    • Datenimport/-export und Datenaufbereitung mit pandas
      • Daten importieren und exportieren
      • Daten transformieren und umkodieren
      • Kategoriale Variablen erstellen
      • Daten selektieren und Subsets erstellen
    • Deskriptive Statistik
      • Zentralmaße, Streuungsmaße und Häufigkeiten
      • Häufigkeitstabellen und Kreuztabellen
      • Erstellen von Tabellen mit deskriptiven Kennwerten
      • Korrelationen und Zusammenhangsmaße
      • Diagramme mit matplotlib und seaborn erstellen (Balkendiagramme, Kreisdiagramme, Histogramme, Boxplots, Liniendiagramme und Streudiagramme)
  • 3-tägiges Aufbau-Training: Signifikanztests und Varianzanalysen

    • Einführung in die schließende Statistik (Signifikanztests)
      • Statistisches Testen anhand von Stichproben
      • Wahrscheinlichkeitsverteilungen (Normalverteilung)
      • Hypothesentests nach Fisher und Neyman-Pearson (Signifikanztests)
      • p-Werte, Effektgrößen und Konfidenzintervalle
    • Parametrische Verfahren
      • z-Test und t-Test für eine Stichprobe zur Prüfung der Abweichung eines Mittelwerts von einem vorgegebenen Wert
      • t-Test zur Signifikanzprüfung des Unterschieds zweier Mittelwerte aus unabhängigen oder verbundenen Stichproben
      • Levene-Test zur Signifikanzprüfung von Varianzen und Standardabweichungen
      • Kolmogoroff-Smirnow-Test und Shapiro-Wilk-Test zur Signifikanzprüfung der Normalverteilungsannahme
      • Prüfung der Wirksamkeit von Aktionen, Maßnahmen, Interventionen und anderen Veränderungen mit t-Tests (Pretest-Posttest-Design mit zwei Gruppen)
    • Nichtparametrische Verfahren
      • U-Test von Wilcoxon-Mann-Whitney und Wilcoxon-(Vorzeichenrang-)Test zur Signifikanzprüfung von Medianen
      • Binomialtest und exakter Test nach Fisher zur Signifikanzprüfung von Häufigkeiten
      • Kontingenzanalyse mit Chi-Quadrat-Test zur Signifikanzprüfung von Häufigkeiten einer Kreuztabelle
    • Varianzanalysen
      • ein-, zwei- und mehrfaktorielle Varianzanalyse
      • Messwiederholungsdesigns und Kontrolle von Störeinflüssen
      • robuste Formen der Varianzanalyse (robuste Standardfehler nach MacKinnon & White, Test der Homoskedastizität-Annahme nach White & Breusch-Pagan)
      • t-Tests im Rahmen der Varianzanalyse (Post-hoc-Mehrfachvergleiche: Tukey HSD und Games-Howell)
      • Interaktionsanalyse (Wechselwirkungen aufgrund sich verstärkender oder hemmender Effekte)
      • Statistische Auswertung von Pretest-Posttest-Designs mit Varianzanalysen