Grundlagen der statistischen Signifikanz: Eine Einführung mit Übung
Seminar - GFU Cyrus AG
Das Seminar hat das Ziel, den teilnehmenden Personen ein fundiertes Verständnis der grundlegenden Konzepte und Anwendungsmöglichkeiten statistischer Signifikanztests zu vermitteln. Es soll den Teilnehmenden ermöglicht werden, die Bedeutung und Interpretation von P-Werten zu verstehen, verschiedene statistische Testverfahren kennenzulernen und diese korrekt durchzuführen und zu interpretieren. Damit werden sie befähigt, in ihrem beruflichen Alltag datenbasierte Entscheidungen mit größerer Sicherheit und Genauigkeit zu treffen.
Unterschied zwischen statistischer Signifikanz und praktischer Bedeutung
Der P-Wert und seine Interpretation
Definition des P-Wertes
Häufige Missverständnisse und Fehlinterpretationen
Fehlerarten in der statistischen Hypothesentestung
Typ I und Typ II Fehler
Konzepte der Teststärke und des Beta-Fehlers
Grundlegende statistische Tests
Einführung in den t-Test
Anwendung und Interpretation des Chi-Quadrat-Tests
Regression und Korrelation
Grundlagen der linearen Regression
Korrelationskoeffizienten und ihre Bedeutung
ANOVA: Analyse der Varianz
Grundprinzipien der ANOVA
Anwendungen und Interpretation der Ergebnisse
Nichtparametrische Tests
Wann sind nichtparametrische Tests notwendig?
Beispiele für nichtparametrische Tests (Mann-Whitney U, Wilcoxon Signed-Rank)
Multivariate statistische Verfahren
Einführung in multivariate Analysemethoden
Praktische Anwendungen und Fallbeispiele
Datenanalyse-Workshop mit t-Test und Chi-Quadrat-Test
Ziel: Die Teilnehmer sollen grundlegende statistische Tests anwenden und ihre Ergebnisse interpretieren.
Materialien:
Bereitgestellte Datensätze zu einem fiktiven Projekt.
Statistiksoftware (z.B. SPSS, R, oder eine webbasierte Plattform wie JASP).
Aufgaben:
Datenexploration: Die Teilnehmer untersuchen die Daten, berechnen deskriptive Statistiken und visualisieren die Verteilungen.
Hypothesentestung mit dem t-Test:
Aufstellung einer Hypothese zur Mittelwertdifferenz zwischen zwei Gruppen.
Durchführung des t-Tests mit der Software.
Interpretation der Output-Daten (P-Wert, Konfidenzintervalle).
Chi-Quadrat-Test zur Unabhängigkeit:
Formulierung einer Hypothese über die Unabhängigkeit zweier kategorialer Variablen.
Durchführung des Chi-Quadrat-Tests.
Analyse und Diskussion der Ergebnisse, einschließlich des P-Wertes und der Effektstärke.
Dauer/zeitlicher Ablauf:
2 Tage
Zielgruppe:
Am Seminar sollten insbesondere Mitarbeiter aus den Bereichen Datenanalyse, Qualitätsmanagement, Produktentwicklung und Forschung teilnehmen. Es ist ebenso relevant für Führungskräfte und Entscheidungsträger, die datenbasierte Strategien verstehen und anwenden möchten, sowie für alle, die in ihrer beruflichen Rolle regelmäßig mit der Interpretation von Daten und statistischen Auswertungen konfrontiert sind.
Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern.
Diese Cookies werden nicht automatisiert gesetzt.
Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren.
Weitere Informationen finden Sie hier.
