Data Science / Statistik / Statistik / Deskriptive Statistik

Statistik - Deskriptive Statistik

Details

ID 1252614
Klassenraum 3 Tage
Webinar 5 Tage
Methode Vortrag mit Beispielen und Übungen.
Vorwissen Allgemeine Kenntnisse der Mathematik
Zielgruppe Datenanalysten



Für EinsteigerInnen oder WiedereinsteigerInnen geeignet: unse Seminar für deskriptive und induktive Statistik liefert Ihnen das Wissen, was in vielen Studiengängen im Grundstudium / Bachelor-Studium vermittelt wird.



Steigen Sie ein oder frischen Sie auf: deskriptive und induktive Statistik.

Services:

  • Mittagessen / Catering
  • Hilfe bei Hotel / Anreise
  • Comelio-Zertifikat
  • Flexibel: Bis 10 Tage vorher kostenlos stornieren

Übersicht

Die deskriptive Statistik (auch beschreibende Statistik oder empirische Statistik) ermöglicht es, vorliegende Daten in geeigneter Weise zu beschreiben und zusammenzufassen. Mit ihren Methoden verdichtet man quantitative Daten zu Tabellen, graphischen Darstellungen und Kennzahlen. Dieses Statistik-Seminar zeigt Anfängern oder Wieder-Einsteigern auf diesem Gebiet die wichtigen Teilbereiche und Verfahren dieser Methodik wie die Beschreibung von ein- und zweidimensionalen Häufigkeitsverteilungen und die Ableitung von Zusammenhängen zwischen zwei Merkmalen. Man lernt in einem ersten Teil Lagemaße (zentrale Tendenz einer Häufigkeitsverteilung, Mittelwert, Median, Modus oder Modalwert, Quantile (Quartile, Dezile), Schiefe und Exzess einer Verteilung) und die Streuungsmaße (Varianz, Standardabweichung, Variationsbreite/Spannweite, Interquartilbereiche, Mittlere absolute Abweichung) und Zusammenhangsmaße sowie Konzentrationsmaße kennen. In einem zweiten Teil lernen die Seminar-Teilnehmer dann die lineare und nicht-lineare Regressionsanalyse für metrische Daten kennen. Die Themen werden anhand eines Fachbuchs erörtert und an Beispielen geübt. Die Teilnehmer arbeiten mit Taschenrechner und MS Excel, um die Formeln und Verfahren direkter zu verstehen und zu üben.

Termine

  • 2020-Oct-26 - Oct-28
  • 2021-Jan-04 - Jan-06
  • 2021-Mar-15 - Mar-17
  • 2021-May-24 - May-26

1350 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Nov-09 - Nov-11
  • 2021-Jan-18 - Jan-20
  • 2021-Mar-29 - Mar-31
  • 2021-Jun-07 - Jun-09

1400 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Nov-02 - Nov-04
  • 2021-Jan-11 - Jan-13
  • 2021-Mar-22 - Mar-24
  • 2021-May-31 - Jun-02

1400 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Nov-02 - Nov-04
  • 2021-Jan-11 - Jan-13
  • 2021-Mar-22 - Mar-24
  • 2021-May-31 - Jun-02

1400 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Oct-26 - Oct-28
  • 2021-Jan-04 - Jan-06
  • 2021-Mar-15 - Mar-17
  • 2021-May-24 - May-26

1400 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Nov-02 - Nov-04
  • 2021-Jan-11 - Jan-13
  • 2021-Mar-22 - Mar-24
  • 2021-May-31 - Jun-02

1400 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Nov-09 - Nov-11
  • 2021-Jan-18 - Jan-20
  • 2021-Mar-29 - Mar-31
  • 2021-Jun-07 - Jun-09

1380 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Nov-09 - Nov-11
  • 2021-Jan-18 - Jan-20
  • 2021-Mar-29 - Mar-31
  • 2021-Jun-07 - Jun-09

1450 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Oct-19 - Oct-23
  • 2020-Dec-28 - Jan-01
  • 2021-Mar-08 - Mar-12
  • 2021-May-17 - May-21

850 EUR zzgl. MwSt.

Standort | Anmeldung


Inhalt

Einführung in die Statistik

Häufigkeitsverteilungen und grafische Darstellung – Skalen und ihre Eigenschaften: Nominale, ordinale und metrische Skala – Gebiete der Statistik

Eindimensionale Häufigkeitsverteilungen und Lagemaße

Häufigkeitsverteilungen und grafische Darstellung bei verschiedenen Skalen - Maßzahlen der Häufigkeit: Mittelwerte (Modus, Zentralwert, Quantile, Arithmetisches / geometrisches / harmonisches Mittel)

Eindimensionale Häufigkeitsverteilungen und Streuungsmaße

Schiefemaße: Spannweite, Quartilsabstand, Mittlere absolute Abweichung, empirische Standardabweichung, Variationskoeffizient - Formparameter: Schiefe, Wölbung

Zweidimensionale Häufigkeitsverteilungen und Korrelationsanalyse

Koeffizienten bei nominal skalierten Merkmalen: Quadratische Kontingenz, Phi-Koeffizient, Kontingenzkoeffizient - Koeffizienten bei ordinal skalierten Merkmalen: Rangkorrelationskoeffizient nach Spearman, Kendall und Goodman-Kruskal - Koeffizienten bei metrisch skalierten Merkmalen: Empirische Kovarianz, Empirischer Korrelationskoeffizient nach Bravais-Pearson

Regressionsanalyse für metrische Daten

Lineare und nicht-lineare Regression - Lineare Einfach-Regression bei ungruppierten Daten: Berechnung der Regressionsgeraden, Determinationskoeffizient - Lineare Einfachregression bei gruppierten Daten – Nicht-lineare Regressionsmodelle auf Basis der logistischen, exponentiellen oder Wurzel-Funktion

Konzentrationsmaße

Absolute Konzentration: Konzentrationsrate, Konzentrationskurve, Herfindahl-/Rosenbluth-Index - Relative Konzentration: Lorenzkurve, Gini-Koeffizient

Dozent/in

Unser Statistik- und Data-Mining-Trainer Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Fachbuch-Autor zum Thema Datenbanken und als Business Intelligence-Berater. Zu seinen Kunden zählen Marktforschungsunternehmen oder Behörden wie der Deutsche Bundesrat sowie Abteilungen für die Qualitätssicherung und Prozessoptimierung.

Veröffentlichungen
  • Grundlagen empirische Sozialforschung ISBN 978-3-939701-23-1
  • System und Systematik von Fragebögen ISBN 978-3-939701-26-2
  • Oracle SQL ISBN 978-3-939701-41-5
  • SQL Server 2012: Data Mining und multivariate Verfahren ISBN 978-3-939701-85-9
  • SQL und relationale Datenbanken ISBN 978-3-939701-52-1
Projekte

Als Berater und Projektleiter konzipiert Herr Skulschus Business Intelligence-Systeme auf Basis von OLAP und Data Warehouse-Technologien mit MS SQL Server und Oracle mit Berichtskomponenten im Intranet oder MS Excel, statistische Analysen und Data Mining-Modulen. Je nach Aufgabe setzt er R, IBM SPSS oder Minitab ein.

Forschung

Er leitete ein mehrjähriges Forschungsprojekt zur Entwicklung eines Fragebogensystems mit ontologie-basiertem Datenmodell und innovativen Frage-Antwort-Darstellungen. Förderung durch das BMWi und Zusammenarbeit mit verschiedenen Universitäten.