Versuchsplanung und statistische Testverfahren in R

• Wie werden Forschungsfragen im statistischen Sinne beantwortet?
• Wie ermittelt sich die optimale Stichprobengröße?
• Welches ist der richtige Hypothesentest?
• Wie erstelle ich einen statistischen Versuchsplan?
• Wie werden Ursache-Wirkungszusammenhänge statistisch untersucht?

Auf diese und weitere klassische Fragen empirischen Arbeitens findet dieses Training Antworten. Es werden darin die zentralen Konzepte der Inferenzstatistik und der statistischen Versuchsplanung besprochen und anhand von anschaulichen Beispieldaten ausprobiert.

• Kennenlernen der Grundkonzepte und der Philosophie von R
• Die R-Syntax verstehen und anwenden
• Datenmanagement in R
• Ausführen einfacher Analysen
• Erstellen von ersten Visualisierungen

• Inferenzstatistische Grundlagen
• Gesetz der großen Zahlen und zentraler Grenzwertsatz
• Verteilungen (Normalverteilung, Chi2) und Deskriptive Statistik
• Grundbegriffe (Effektgröße, alpha-Fehler, beta-Fehler, p-Wert, Signifikanz)
• Poweranalyse (Bestimmung von Stichprobenumfang und/oder der Effektgröße)
• Aufbau und Interpretation von statistischen Hypothesentests
• Kennenlernen verschiedener Testverfahren (u.a. t-Test, chi2, Kolmogorow-Smirnow)
• Zusammenhangsmaße (Korrelationen) (Pearson, Spearman)
• ANOVA (Analysis of Variance) und Post-Hoc-Verfahren
• Ursache-Wirkungsanalyse mittels Regressionen
• Verfahren: (Multiple-) lineare Regression und logistische Regression
• Interpretation der Kennzahlen
• Visualisierungstechniken
• Statistische Versuchspläne (Design of Experiments)
• Grundlagen (Übersicht, Anwendungsfelder, Systemanalyse, Effektgrößen, Störgrößen, Ursache-Wirkungsanalyse in der Statistik)
• Vollfaktorielle- und teilfaktorielle Versuchspläne

Grundlegende Programmiererfahrung in R sollte vorhanden sein.

Training am eigenen Laptop

(Softwarevoraussetzungen und Installationsanleitung erhalten Sie im Vorfeld)