- Einführung in die Statistik
- Bedeutung der Statistik
- Verschiedene Arten von Daten und Messungen
- Was ist statistische Signifikanz?
- Definition und Grundbegriffe
- 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.
LernzieleDas 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.
ZielgruppenAm 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.
