Beschreibung

Der R-Kurs Grundlagen der Statistik mit R für Anfänger bietet eine verständnisorientierte Einführung in die zentralen statistischen Verfahren der deskriptiven Statistik, der schließenden Statistik und der angewandten Statistik. Sie erhalten eine fundierte Einführung in die grundlegenden Funktionen der Programmiersprache R und die Entwicklungsumgebung RStudio mit den gängigen Methoden und Verfahren des Datenimports, der Datenaufbereitung, der Datenanalyse und der Präsentation von Ergebnissen.

Zielgruppe: Personen mit wenig oder keinen Erfahrungen in Statistik, Datenanalysen und der Anwendung der statistischen Programmiersprache R mit der Entwicklungsumgebung RStudio; 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 R und der Entwickungsumgebung RStudio kennenlernen, die Grundlagen der deskriptiven und schließenden Statistik verstehen und anwenden können, Daten importieren, aufbereiten und auswerten können, einfache R-Skripte erstellen und testen können, Ergebnisse von deskriptiven Auswertungen, Signifikanztests und Varianzanalysen 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 mit der statistischen Programmiersprache R und der Entwicklungsumgebung RStudio. Es wird mit zahlreichen Aufgaben aus verschiedenen Anwendungsbereichen ein vertieftes Verständnis der statistischen Standardverfahren und ein sicherer Umgang mit R und RStudio 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 R 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 R für Anfänger

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

  • Grundfunktionen von R und RStudio
    • R-Pakete installieren und verwenden
    • Workspace und Global Environment
    • Variablen, Datentypen und Datenstrukturen
    • Projekte anlegen und verwalten
    • R-Skripte entwickeln und testen
  • Datenimport/-export und Datenaufbereitung
    • 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 R Graphics 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, Konfidenzintervalle und Poweranalysen
  • 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-Designs mit Kontrollstichprobe)
  • 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
    • t-Tests im Rahmen der Varianzanalyse (Post-hoc-Mehrfachvergleiche: Tukey HSD, Games-Howell, Duncan, Dunnett; paarweise Einzelvergleiche mit Alphafehler-Korrektur: Bonferroni, Jianjun Li)
    • Interaktionsanalyse (Wechselwirkungen aufgrund sich verstärkender oder hemmender Effekte)
    • Statistische Auswertung von Pretest-Posttest-Designs mit Varianzanalysen