Angebot!

Seminar Grundlagen der Statistik mit R

Dozent: Dr. Haug Leuschner

 810,00 2.275,00

Zzgl. 19% MwSt.
Auswahl zurücksetzen

Das Seminar Grundlagen der Statistik mit R bietet im dreitägigen Basistraining eine Einführung in die zentralen Verfahren der deskriptiven und induktiven Statistik mit Schwerpunkt auf Signifikanztests zum Vergleich zweier Gruppen. Im direkt anschließenden zweitägigen Aufbautraining wird in die Automatisierung statistischer Verfahren und in die verschiedenen Arten der Varianzanalyse zur Auswertung von Mittelwertsunterschieden in komplexeren Untersuchungsdesigns behandelt. Bei Buchung des Aufbautrainings werden die Inhalte des Basistrainings vorausgesetzt. Im fünftägigen Kompletttraining haben Sie das gesamte Programm, wobei im Preis eine Ermäßigung von 100 Euro für die Teilnahme am Basis- und Aufbautraining in derselben Woche enthalten ist. Im Preis sind Kursmaterialien, Getränke und Schulungslaptops mit der aktuellen Version von R und RStudio enthalten. Sie können per Überweisung und auf Rechnung zahlen (weitere Infos).

Beschreibung

Das Seminar Grundlagen der Statistik mit R bietet einen verständnisorientierten Einstieg in die zentralen statistischen Verfahren der deskriptiven Statistik und der induktiven Inferenzstatistik. Sie erhalten eine fundierte Einführung in die grundlegenden Funktionen der statistischen Programmiersprache R und der Entwicklungsumgebung RStudio mit den gängigen Methoden und Verfahren des Datenimports, der Datenanalyse und der Präsentation von Ergebnissen.

Zielgruppe: Personen mit wenig oder keiner Erfahrung in Statistik und der Anwendung der Statistiksoftware IBM SPSS Statistics; Anwender, Fachkräfte und Studierende aus den Bereichen der Sozial- und Marktforschung, der Betriebswirtschaft (Marketing, Controlling, Qualitätskontrolle) und der psychologischen, klinischen und pharmazeutischen 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 Grundlagen der Statistik mit R

Lernziele: die Grundfunktionen von R und RStudio beherrschen, die Grundlagen der Statistik verstehen und anwenden können, Daten importieren, aufbereiten und auswerten können, Ergebnisse darstellen, erläutern und interpretieren können, Grafiken mit R graphics erstellen können

Übungen: Es wird Wert auf den Anwendungsbezug gelegt, die Praxisbeispiele und Übungsaufgaben erfolgen in der Schulung auf unseren Schulungslaptops mit der statistischen Programmiersprache R und der Entwicklungsumgebung RStudio. Es werden reale Daten mit typischen Stolpersteinen verwendet und es wird dabei aufgezeigt, wie durch unachtsame Anwendung der Standardverfahren verzerrte oder sogar nicht zutreffende und falsche Ergebnisse entstehen können.

Leistungen: Schulungsräume in zentraler Lage, 2-10 Teilnehmer pro Veranstaltung, Unterricht 9-18 Uhr, Getränke in den Pausen, Schulungslaptop mit installierter Software, gedruckte Schulungsunterlagen, ein Zertifikat mit den Schulungsinhalten

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

Inhalte des 5-tägigen Komplett-Trainings Grundlagen der Statistik mit R

  • 3-tägiges Basis-Training: Deskriptive Statistik und Signifikanztests für zwei Gruppen

    • Grundfunktionen von R lernen (Arbeiten mit Workspace von R und der Entwicklungsumgebung RStudio; mit R Skripten programmieren; Eingeben, Einlesen, Umkodieren, Transformieren, Umstrukturieren, Gruppieren und Auswählen von Daten; Erstellen und Bearbeiten von Diagrammen; Exportieren von Ausgaben in andere Anwendungen)
    • Messtheoretische Grundlagen (Grundgesamtheit und Stichprobe, Messung und Skalenniveaus)
    • Univariate Deskriptivstatistik (Häufigkeitsverteilungen, Zentralmaße, Streuungsmaße, Standardwerte, Grafiken)
    • Bivariate Deskriptivstatistik (Korrelationen, Streudiagramme und Streudiagramm-Matrizen mit LOESS-Kurven)
    • Einführung in die Inferenzstatistik (statistisches Testen anhand von Stichproben, Nullhypothesentest nach Fisher, Signifikanz, Effektgröße, Konfidenzintervall)
    • Signifikanztests (parametrische Verfahren: z-Test und t-Test für eine Stichprobe zur Prüfung der Abweichung eines Mittelwerts von einem vorgegebenen Wert, t-Tests zur Signifikanzprüfung des Unterschieds zweier Mittelwerte aus unabhängigen oder verbundenen Stichproben, F-Test und Levene-Test zur Signifikanzprüfung von Varianzen, Kolmogoroff-Smirnow-Test, Anderson-Darling-Test und Shapiro-Wilk-Test zur Signifikanzprüfung der Normalverteilungsannahme, Signifikanzprüfung von Korrelationskoeffizienten; nonparametrische Verfahren: U-Test von Wilcoxon-Mann-Whitney und Wilcoxon-(Vorzeichenrang-)Test zur Signifikanzprüfung von Medianen, Binomialtest, Chi-Quadrat-Tests und exakter Test nach Fisher zur Signifikanzprüfung von Häufigkeiten, Kontingenzanalysen zweier Merkmale mit Kreuztabellen)
    • Prüfung der Wirksamkeit von Aktionen, Maßnahmen, Interventionen und anderen Veränderungen mit t-Tests (Pretest-Posttest-Designs mit zwei Gruppen)
  • 2-tägiges Aufbau-Training: Varianzanalysen und Automatisierung statistischer Verfahren

    • Automatisierung statistischer Verfahren
      • Programmstrukturen (Fallunterscheidungen und Schleifen)
      • Benutzerdefinierte Funktionen
      • Fehlersuche und Fehlerbehebung bei R-Skripten
      • Fallbeispiel: Automatisierung von t-Tests
    • Methoden zum differenzierten Mittelwertvergleich von mehreren Gruppen:
      • ein-, zwei- und mehrfaktorielle Varianzanalyse
      • Berücksichtigung von speziellen Effekten (bei Messwiederholungen, Zufalls- und Störeinflüssen)
      • t-Tests im Rahmen der Varianzanalyse (Post-hoc-Mehrfachvergleiche: Tukey HSD, Duncan/SNK, Games-Howell, Dunnett; paarweise Einzelvergleiche mit Alphafehler-Korrektur: Bonferroni, Sidak, Jianjun Li)
      • Interaktionsanalyse (Wechselwirkungen aufgrund sich verstärkender oder hemmender Effekte)
      • Statistische Auswertung von Pretest-Posttest-Designs mit Varianzanalysen