Statistik - Deskriptive Statistik (1015705)

Druckansicht
  • Dauer:
    2 Tage
  • Zielgruppe:
    Information Workers
  • Vorkenntnisse:
    Allgemeine Kenntnisse der Mathematik
  • Methode:
    Vortrag mit Beispielen und Übungen.
  • Typ:
    Öffentliches Seminar / Inhouse
  • Download
    Anmeldeformular | AGB | Info-Broschüre
Themen:
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 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 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. Die Themen werden anhand eines Fachbuchs erörtert und an vorgerechneten sowie eigenen Beispielen geübt. Ein spezielles Programm wird nicht eingesetzt. Stattdessen arbeiten die Teilnehmer mit Taschenrechner und Papier, um die Formeln und Verfahren direkter zu verstehen und zu üben.

Inhalte

A. Eindimensionale Häufigkeitsverteilungen

[0,75 Tage] Häufigkeitsverteilungen und grafische Darstellung bei verschiedenen Skalen - Maßzahlen der Häufigkeit: Mittelwerte (Modus, Zentralwert, Quantile, Arithmetisches / geometrisches / harmonisches Mittel - Streuungsmaße: Spannweite, Quartilsabstand, Mittlere absolute Abweichung, empirische Standardabweichung, Variationskoeffizient - Formparameter: Schiefemaße, Wölbungsmaße

B. Korrelationsanalyse

[0,5 Tage] 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

C. Regressionsanalyse

[0,5 Tage] Lineare und nicht-lineare Regression - Lineare Einfach-Regression bei ungruppierten Daten: Berechnung der Regressionsgeraden, Determinationskoeffizient - Lineare Einfachregression bei gruppierten Daten

D. Konzentrationsmaße

[0,25 Tage] Absolute und relative Konzentration

Dozent:
Dr. Ralf Klinkenberg studierte Informatik an der Universität Dortmund, war dort von 1998 bis 2003 wissenschaftlicher Mitarbeiter und dann Doktorand am Lehrstuhl für Künstliche Intelligenz. Seine Interessen liegen im Bereich des maschinellen Lernens, des Data Mining und der Wissensentdeckung (Knowledge Discovery). Er arbeitet heute als Berater für Fragestellung aus den Bereichen Data Mining und Data Warehousing. Zu seinen zahlreichen wissenchaftlichen Veröffentlichungen gehört eine Reihe von Aufsätzen in wissenschaftlichen Magazinen zu den Themen Data Mining und Datenauswertung.
Marco Skulschus studierte Ökonomie in Wuppertal und Paris. Er arbeitet als Berater und Projektleiter in Data Warehousing- und Data Mining-Projekten für Unternehmen und staatliche Organisationen. Zu seinen Veröffentlichungen im Bereich empirische Sozialforschung gehört eine dreibändige Reihe zu Fragebogen-Systemen und innovativen mehrdimensionalen Frage-/Antwort-Darstellungen wie "Grundlagen empirische Sozialforschung, Befragung und Fragebogen im Unternehmen" (ISBN 978-3-939701-23-1).