| ID | 1252613 |
|---|---|
| Klassenraum | 3 Tage 9:00-16:30 |
| Webinar | 5 Tage 9:00-12:30 |
| Methode | Vortrag mit Beispielen und Übungen. |
| Vorwissen | Allgemeine Kenntnisse der Mathematik |
| Zielgruppe | Datenanalysten |
- Daten beschreiben, darstellen und zusammenfassen
- Statistische Modelle für Prognosen und Erklärungen mit der linearen Regression aufbauen
- Wahrscheinlichkeitstheorie verstehen und anwenden
- Eigenschaften von Daten prüfen und mit Hypothesentests nachweisen
- Daten mit Python bearbeiten
- 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
- Wahrscheinlichkeitsverteilungen kennenlernen
- Lernen Sie gängige Verteilungen kennen und nutzen
- Schlussfolgerungen über die Grundgesamtheit treffen
- Leiten Sie aus der Stichprobe Eigenschaften über die Grundgesamtheit ab
Beschreibung
Nutzen Sie Python für die deskriptive und induktive Datenanalyse und beschreiben Sie Daten, weisen Sie Eigenschaften nach und prüfen Hypothesen.
Services
- Mittagessen / Catering
- Hilfe bei Hotel / Anreise
- Comelio-Zertifikat
- Flexibel: Bis einen Tag vorher kostenlos stornieren
Python ist eine freie und damit kostenlose Programmiersprache, die man auch für statistisches Rechnen und statistische Grafiken einsetzen kann. Python gilt zunehmend als die statistische Standardsprache sowohl im kommerziellen als auch im wissenschaftlichen Bereich. Der Funktionsumfang von Python kann durch eine Vielzahl von Paketen erweitert und an spezifische statistische Problemstellungen angepasst werden. Dieses Seminar zeigt Ihnen zunächst, wie sie mit Python grundsätzlich arbeiten können und Daten lesen und schreiben sowie Grafiken erzeugen können. Im zweiten Teil beschäftigen Sie sich mit deskriptiver Statistik, d.h. statistischen Lage- und Streuungsmaßen für metrische Daten und Korrelation sowie Kennzahlen für kategoriale Daten. Im dritten Teil lernen Sie die Theorie der Wahrscheinlichkeit sowie die gängigen statistischen Standard-Verteilungen kennen. Danach lernen Sie, typische Fragestellungen für kategoriale und metrische Daten mit Hilfe der induktiven Statistik zu beantworten und so von der Stichprobe auf die Grundgesamtheit zu schließen. Im letzten Teil erstellen Sie statistische Modelle und komplexe Analysen mit Hilfe der Regressionsanalyse, der Varianzanalyse und auch der Clusteranalyse.
