Statistik - Deskriptive Statistik (1015705)

Druck-Ansicht

• Dauer: 2 Tage
• Zielgruppe: Programmierer und DBAs, welche sich mit statistischen Auswertungen beschäftigen. (Einsteiger )
• Vorkenntnisse: Allgemeine Kenntnisse der Mathematik.
• Methode: Vortrag, Diskussion, Einzel- und Gruppenarbeit mit Übungen. Eigene Arbeiten und Projektfragen können in das Seminar eingebracht werden.
• Typ: Öffentliches Seminar / Inhouse
• Download:Anmeldeformular | AGB | Hotels & Anfahrt | Info-Broschüre
• Inhalt: 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 auf diesem Gebiet die wichtigen Teilbereiche dieser Methodik wie die Beschreibung von ein- und zweidimensionalen Häufigkeitsverteilungen, die multivariate Analyse (Untersuchung des Zusammenwirkens mehrerer Variablen zugleich und ihre Abhängigkeitsstruktur), die Clusteranalyse (strukturentdeckendes, multivariates Analyseverfahren zur Ermittlung von Gruppen (Clustern) von Objekten, deren Eigenschaften oder Eigenschaftsausprägungen bestimmte Ähnlichkeiten (bzw. Unähnlichkeiten) aufweisen), die Zeitreihenanalyse (Analyse von Zeitreihen und der Vorhersage (Trends) ihrer künftigen Entwicklung) und die Index-Bildung.
• 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. 1994/95 studierte er mit einem Stipendium der deutsch-amerikanischen Fulbright-Kommission für ein Jahr an der University of Missouri-Rolla (UMR) in Rolla, Missouri, USA. 1996 schloss er dieses Auslandsstudium mit dem Master of Science in Computer Science ab. Seine Interessen liegen im Bereich des maschinellen Lernens, des Data Mining und der Wissensentdeckung (Knowledge Discovery). Speziell interessieren ihn maschinelle Lernverfahren zum adaptiven Informationsfiltern bei sich verändernden Konzepten aus zeitlich veränderlichen Datenströmen. Seit 2007 ist er für die Comelio GmbH im Bereich Statistik und Data Mining tätig. Im Bereich Beratung und Implementierung unterstützt er Kunden bei der Einführung des Open Source Data Mining-Systems Rapid Miner (vormals Yale).
  Zu seinen zahlreichen wissenchaftlichen Veröffentlichungen gehören (1) Scholz, Martin and Klinkenberg, Ralf. Boosting Classifiers for Drifting Concepts. In Intelligent Data Analysis (IDA), Special Issue on Knowledge Discovery from Data Streams, Vol. 11, No. 1, Seiten 3--28, 2007, (2) Mierswa, Ingo and Wurst, Michael and Klinkenberg, Ralf and Scholz, Martin and Euler, Timm. YALE: Rapid Prototyping for Complex Data Mining Tasks. In Proceedings of the 12th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD 2006), ACM Press, 2006 und (3) Scholz, Martin and Klinkenberg, Ralf. An Ensemble Classifier for Drifting Concepts. In Gama, J. and Aguilar-Ruiz, J. S. (editors), Proceedings of the Second International Workshop on Knowledge Discovery in Data Streams, Seiten 53--64, Porto, Portugal, 2005.

Inhalte

A. Eindimensionale Häufigkeitsverteilungen

[0,5 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, Konzentrationsmaße

B. Zweidimensionale Häufigkeitsverteilungen

[0,25 Tage] Korrelationsanalyse: Koeffizienten für nominal-, ordinal- und metrisch skalierte Merkmale, Regressionsanalyse: lineare und nicht-lineare Regression

C. Multivariate Analyse

[0,5 Tage] Darstellungsweise und Grundbegriffe: Datenmatrix, Standardisierte Datenmatrix, Varianz-Kovarianz-Matrix und Korrelationsmatrix, Distanzmessung, Linearkombinationen - Diskriminanzanalyse: Lineare Diskriminanzanalyse im Zwei-Gruppen-Zwei-Merkmalsfall, Zuordnungen mithilfe der Diskriminanzwerte - Hauptkomponenten- und Faktorenanalyse mit vollständiger und reduzierter Faktorenlösung - Clusteranalyse

D. Zeitreihenanalyse

[0,5 Tage] Komponentenmodelle: Bestimmung der glatten Komponente bzw. des Trends: Gleitende Durchschnitte, Trendfunktionen, Linearer Trend und Exponentialtrend, Trends mit Obergrenzen - Bestimmung der Saisonkomponenten: Saisonbereinigung bei konstanter und variabler Saisonfigur

E. Indexzahlen

[0,25 Tage] Gewogene Preis-, Mengen- und Wertindizes - Indexzahlen-Probleme - Anwendungsfälle

Kontakt

Preise

Wenn Sie mehrere Seminarplätze gleichzeitig buchen, erhalten Sie für jeden Teilnehmer einen Preisvorteil nach folgender Tabelle. Alle Preise zzgl. 19% MwSt. Enthalten:

• Catering
• Mittagessen
• Literatur

Termine

Essen

• 11. - 12.12.2008
• 1. - 2.1.2009
• 29. - 30.1.2009
• 26. - 27.2.2009


Berlin

• 18. - 19.12.2008
• 8. - 9.1.2009
• 5. - 6.2.2009
• 5. - 6.3.2009


Hamburg

• 25. - 26.12.2008
• 15. - 16.1.2009
• 12. - 13.2.2009
• 12. - 13.3.2009


Frankfurt

• 1. - 2.1.2009
• 22. - 23.1.2009
• 19. - 20.2.2009
• 19. - 20.3.2009


München

• 8. - 9.1.2009
• 29. - 30.1.2009
• 26. - 27.2.2009
• 26. - 27.3.2009


Stuttgart

• 15. - 16.1.2009
• 5. - 6.2.2009
• 5. - 6.3.2009
• 2. - 3.4.2009


Wien

• 4. - 5.12.2008
• 22. - 23.1.2009
• 12. - 13.2.2009
• 12. - 13.3.2009
• 9. - 10.4.2009


Zürich

• 4. - 5.12.2008
• 11. - 12.12.2008
• 29. - 30.1.2009
• 19. - 20.2.2009
• 19. - 20.3.2009
• 16. - 17.4.2009

9:00 - 16:30 Uhr | Weitere Termine auf Anfrage.

Ähnliche Seminare