Statistik - Explorative Analysen mit R
Details
| ID | 1252628 |
| Dauer | 3.0 Tage |
| Methoden | Vortrag mit Beispielen und Übungen. |
| Vorwissen | Grundlagen der Statistik |
| Zielgruppe | Datenanalysten |
Ziele
Unterschiede und Gemeinsamkeiten analysieren
Analysieren und messen Sie ÄhnlichkeitenAbleiten von Faktoren und wesentlichen Variablen
Entdecken Sie den Zusammenhang von Variablen und identifizieren Sie FaktorenCluster-Analyse für Segmentierung von Daten nutzen
Erkennen Sie Gemeinsamkeiten und Gruppen in Ihren DatenAnalysieren Sie kategoriale Daten
Visualisieren und bewerten Sie Kreuztabellen mit der KorrespondenzanalyseÜbersicht
Die explorative Datenanalyse ist ein Teilgebiet der Statistik. Sie untersucht und begutachtet Daten, von denen nur ein geringes Wissen über deren Zusammenhänge vorliegt. Dieses Seminar stellt zunächst vier wesentliche Methoden der multivariaten explorativen Analyse vor: die Hauptkomponentenanalyse (Principal Component Analysis, PCA) für quantitative Variablen, die Korrespondenzanalyse (Correspondence Analysis, CA) und die multiple Korrespondenzanalyse (Multiple Correspondence Analysis, MCA) für kategoriale Variablen und schließlich die (hierarchische) Cluster-Analyse. Als übergeordnete Methode für PCA und M/CA lernen die Teilnehmer dann die Multiple Faktorenanalyse (Multiple Factor Analysis, MFA) kennen. Ausgehend von der geometrischen Betrachtung der Daten zeigt dieses Seminar die verschiedenen Analysetechniken in ihren Grundzügen, weist auf Möglichkeiten hin, Daten bzw. Objekte zu visualisieren und Zusammenhänge in den Daten aufzuzeigen. Die praktischen Beispiele erfolgen mit R und dem FactoMineR, einem speziellen R-Paket für die explorative Datenanalyse.
Termine
Wir überarbeiten gerade unsere Webseite und die Seminare. Neue Termine gibt es erst ab 2025. Wir bieten dieses Seminar weiterhin als Inhouse-Seminar für Sie und Ihr Team an.
Comelio Medien
Noch auf der Suche nach weiterführender Literatur? Entdecken Sie passende Fachbücher in unserem Katalog.
Themen
- Wichtige Variablen über die Hauptkomponentenalyse identifizieren
- Cluster-Analyse für Segmentierung von Daten nutzen
- Faktoren aus Variablen ableiten und bestätigen
- Gemeinsamkeiten und Unterschiede in Daten bestimmen
Beschreibung
Nutzen Sie verschiedene Verfahren, um wichtige Variablen zu entdecken, Variablen zu Faktoren zusammenzufassen und Unterschiede und Gemeinsamkeiten in Ihren Daten zu entdecken.Services
- Mittagessen / Catering
- Hilfe bei Hotel / Anreise
- Comelio-Zertifikat
- Flexibel: Bis einen Tag vorher kostenlos stornieren
Inhalt
Hauptkomponentenanalyse
Einführung in die Hauptkomponentenalyse / Principal Component Analysis (PCA) - Analysefragen: Individuen, Variablen und Beziehungen - Ableitung der Komponenten und Test auf Signifikanz - Erweiterte Analyse mit zusätzlichen quantitativen und kategorialen Variablen - Durchführung der Analyse mit R und FactorMineRKorrespondenzanalyse
Einführung in die Korrespondenzanalyse / Correspondence Analysis (CA) - Zielsetzungen der Analyse - Abhängigkeit und Unabhängigkeit - Daten (Reihen und Spalten) und ihre Profile analysieren und Ergebnisse interpretieren - Durchführung der Analyse mit R und FactorMineRMultiple Korrespondenzanalyse
Einführung in die Multiple Korrespondenzanalyse / Multiple Correspondence Analysis (MCA) - Zielsetzungen der Analyse - Distanzmaße für Individuen und Kategorien und ihre Interpretation - Interpretation der Ergebnisse - Durchführung der Analyse mit R und FactorMineRClustering
Einführung in die Clusteranalyse - Messen der Ähnlichkeit von Individuen und Gruppen - Techniken der Clusteranalyse: Der k-Means Algorithmus und die Ward Methode - Partitionierende und hierarchische Verfahren - Clustering und Hauptkomponentenalyse - Interpretation der Ergebnisse - Durchführung der Analyse mit R und FactorMineRMultiple Faktorenanalyse
Einführung in die Multiple Faktorenanalyse / Multiple Factor Analysis (MFA)- Techniken der MFA: Gewichtungen von Variablen(gruppen), Faktoren und ihre Bedeutung für alle oder einzelne Variablengruppen, Vergleiche von Variablengruppen, Hierarchische Strukturen - Durchführung der Analyse mit R und FactorMineRDozent/in
Unser Trainer für Statistik und Data-Mining mit R Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Fachbuch-Autor zum Thema Datenbanken, Datenanalyse und als Berater für statistische Analyse mit R. Teilnehmer/innen seiner R-Seminare sind Betriebswirte / Volkswirtschaftler, Ingenieure und Doktoranden, die für Statistik und Data Mining R einsetzen wollen.Veröffentlichungen
- Grundlagen empirische Sozialforschung (Comelio Medien)
978-3-939701-23-1 - System und Systematik von Fragebögen (Comelio Medien)
978-3-939701-26-2 - Oracle SQL (Comelio Medien)
978-3-939701-41-5 - SQL Server 2012: Data Mining und multivariate Verfahren (Comelio Medien)
978-3-939701-85-9 - SQL und relationale Datenbanken (Comelio Medien)
978-3-939701-52-1