Data Science / Statistik / Statistik / Induktive Statistik für Wahrscheinlichkeit und Tests

Statistik - Induktive Statistik für Wahrscheinlichkeit und Tests



ID 1252615
Klassenraum 2 Tage
Webinar 4 Tage
Methode Vortrag mit Beispielen und Übungen.
Vorwissen Allgemeine Kenntnisse der Mathematik
Zielgruppe Datenanalysten


  • Wahrscheinlichkeitstheorie verstehen und anwenden
  • Gängige diskrete und stetige Wahrscheinlichkeitsverteilungen kennenlernen
  • Eigenschaften von Daten prüfen und mit Hypothesentests nachweisen
  • Aussagen über die Grundgesamtheit machen


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



Verstehen Sie die Wahrscheinlichkeitsrechnung und lernen Sie gängige Wahrscheinlichkeitsverteilungen kennen, um mit diesem Wissen dann Aussagen über die Grundgesamtheit zu machen und diese zu überprüfen.



Sie erhalten das von Ihrem Dozenten Marco Skulschus veröffentlichte Fachbuch.

Services:

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

Übersicht

Die induktive Statistik (auch mathematische Statistik, schließende Statistik oder Inferenzstatistik) leitet aus den Daten einer Stichprobe Eigenschaften einer Grundgesamtheit ab. Die Wahrscheinlichkeitstheorie liefert die Grundlagen für die erforderlichen Schätz- und Testverfahren. Sie gibt der deskriptiven Statistik die Werkzeuge an die Hand, mit deren Hilfe diese aufgrund der beobachteten Daten begründete Rückschlüsse auf deren zu Grunde liegendes Verhalten ziehen kann. Dieses Verfahren zeigt Anfängern und Wiedereinsteigern auf diesem Gebiet die grundlegenden Verfahren und Vorgehensweisen der induktiven Statistik. Es wird kein spezielles Programm eingesetzt, sondern es kommen vielmehr Taschenrechner und Papier sowie MS Excel zum Einsatz, um die anhand eines Lehrbuchs und Beispielen vorgestellten Techniken direkter nachzuvollziehen und zu üben. Mathematische Grundlagen im Bereich der Wahrscheinlichkeitsrechnung und Kombinatorik werden zu Anfang vermittelt. Grundlagen der deskriptiven Statistik sind von Vorteil.

Termine

  • 2020-Nov-05 - Nov-06
  • 2021-Jan-14 - Jan-15
  • 2021-Mar-25 - Mar-26
  • 2021-Jun-03 - Jun-04

1150 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Oct-22 - Oct-23
  • 2020-Dec-31 - Jan-01
  • 2021-Mar-11 - Mar-12
  • 2021-May-20 - May-21

1200 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Nov-12 - Nov-13
  • 2021-Jan-21 - Jan-22
  • 2021-Apr-01 - Apr-02
  • 2021-Jun-10 - Jun-11

1200 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Oct-22 - Oct-23
  • 2020-Dec-31 - Jan-01
  • 2021-Mar-11 - Mar-12
  • 2021-May-20 - May-21

1200 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Oct-29 - Oct-30
  • 2021-Jan-07 - Jan-08
  • 2021-Mar-18 - Mar-19
  • 2021-May-27 - May-28

1200 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Oct-22 - Oct-23
  • 2020-Dec-31 - Jan-01
  • 2021-Mar-11 - Mar-12
  • 2021-May-20 - May-21

1200 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Oct-22 - Oct-23
  • 2020-Dec-31 - Jan-01
  • 2021-Mar-11 - Mar-12
  • 2021-May-20 - May-21

1180 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Oct-29 - Oct-30
  • 2021-Jan-07 - Jan-08
  • 2021-Mar-18 - Mar-19
  • 2021-May-27 - May-28

1250 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Oct-19 - Oct-22
  • 2020-Dec-28 - Dec-31
  • 2021-Mar-08 - Mar-11
  • 2021-May-17 - May-20

650 EUR zzgl. MwSt.

Standort | Anmeldung


Inhalt

Wahrscheinlichkeitsrechnung

Grundlagen: Zufallsexperiment, Ergebnismenge und Ereignis, Zusammengesetzte Ereignisse, Absolute und relative Häufigkeiten - Wahrscheinlichkeitsbegriffe: Klassischer, statistischer und subjektiver Wahrscheinlichkeitsbegriff - Rechnen mit Wahrscheinlichkeiten: Axiome und ihre Folgerungen, Bedingte Wahrscheinlichkeit, Multiplikationssatz, Stochastische Unabhängigkeit, Satz der totalen Wahrscheinlichkeit, Bayessches Theorem

Kombinatorik

Permutationen, Kombinationen mit und ohne Wiederholung, Eigenschaften des Binomialkoeffizienten, Urnenmodell

Wahrscheinlichkeitsverteilungen

Zufallsvariablen - Diskrete Verteilungen - Stetige Verteilungen

Maßzahlen

Erwartungswert - Mathematische Erwartung - Varianz - Momente - Momenterzeugende Funktion - Charakteristische Funktion

Spezielle diskrete Verteilungen

Binomialverteilung - Poissonverteilung - Hypergeometrische Verteilung - Geometrische Verteilung

Spezielle stetige Verteilungen

Gleichverteilung - Exponentialverteilung - Normalverteilung

Schätzverfahren (Intervallschätzung)

Konfidenzintervall für den Mittelwert und für die Varianz einer Normalverteilung - Konfidenzintervall für den Anteilswert

Testverfahren: Parametertests

Test für Mittelwert einer Normalverteilung - Test für Anteilswert - Fehler beim Testen - Test für Varianz - Differenztests für den Mittelwert und Anteilswert - Quotiententest für die Varianz

Testverfahren: Verteilungstests

Chi-Quadrat-Anpassungstest - Chi-Quadrat-Unabhängigkeitstest (Kontingenztest) - Einfache Varianzanalyse

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.