Angebot!

Seminar Statistik-Grundlagen mit Python für Programmierer

Dozent: Dr. Haug Leuschner

 

 855,00 2.275,00

Zzgl. 19% MwSt.
Auswahl zurücksetzen

Das fünftägige Seminar Statistik-Grundlagen mit Python für Programmierer bietet Personen mit Programmiererfahrungen im zweitägigen Basistraining eine fundierte Einführung in die Grundfunktionen von Python und Spyder mit Datenimport, Datenaufbereitung und die Erstellung von deskriptiven Statistik und 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: GPP Kategorien: , ,

Beschreibung

Der Python-Kurs Statistik-Grundlagen mit Python für Programmierer bietet eine verständnisorientierte Einführung in die zentralen statistischen Verfahren der deskriptiven Statistik, der schließenden Statistik und der angewandten Statistik für Personen, die bereits Programmiererfahrungen haben. Die Teilnehmer erhalten außerdem eine fundierte Einführung in die Grundlagen der Programmierung mit Python (Variablen, Datentypen, Datenstrukturen, Kontrollstrukturen, Funktionen, Programmierkonventionen) und eine Einführung in die gängigen Methoden des Datenimports und der Datenaufbereitung mit den umfangreichen Bibliotheken des statistischen Frameworks von Python.

Zielgruppe: Der Python-Kurs ist für Personen mit Programmiererfahrungen, aber wenig oder keiner Erfahrung in Statistik, Datenanalyse und der Anwendung der Programmiersprache Python unter Spyder konzipiert, die eine Einführung in die statistische Grundlagen suchen und ihre Programmierkenntnisse mit der Programmiersprache Python erweitern möchten. Inhaltlich richtet sich das Python-Seminar an 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: Programmiererfahrungen in einer höheren Programmiersprache (C, C++, C#, R, Java, JavaScript, PHP, Visual Basic, SAS Language, MATLAB Language usw.), Kenntnisse in der Ablaufsteuerung von Programmen mittels Funktionen, Fallunterscheidungen und Schleifen

Lernziele: die Grundfunktionen der Statistik-Software Python lernen, die Oberfläche Spyder bedienen können, Python-Skripte entwickeln, testen und debuggen können, Daten mit pandas importieren, aufbereiten und auswerten können, die Grundlagen der Statistik verstehen und anwenden können, Ergebnisse von deskriptiven Auswertungen, Signifikanztests und Varianzanalysen darstellen, erläutern und interpretieren können, Grafiken mit seaborn erstellen können

Übungen: In dem Python-Kurs wird Wert auf den Anwendungsbezug gelegt. Durch intensives Trainieren mit über einem Dutzend Datensätzen aus den Bereichen der Markt- und Meinungsforschung, der medizinischen Forschung und der Technik/Produktion steht das Python lernen im Vordergrund und es wird ein vertieftes Verständnis der statistischen Verfahren 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 Statistik-Grundlagen mit Python für Programmierer 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 Trainings Statistik-Grundlagen mit Python für Programmierer

  • 2-tägiges Basis-Training: Programmierung, deskriptive Statistiken und Diagramme

    • Grundfunktionen von Python
      • Python-Bibliotheken mit Anaconda installieren
      • Anaconda und die Entwicklungsumgebung Spyder
      • Variablen, Datentypen, Ausdrücke, Operatoren und Operanden
      • Python-Kollektionen string, list, tuple, set und dictionary
      • Funktionen, Klassen und Objekte in Python
      • Python-Skripte entwickeln, testen und debuggen
    • Kontrollstrukturen und benutzerdefinierte Funktionen
      • Fallunterscheidungen: if / elif / else
      • Schleifenprogrammierung: for und while
      • Ausnahmebehandlung: try, except und finally
      • Benutzerdefinierte Funktionen: def und return
    • 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, 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
      • 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