Explorative Analysen mit R

Comelio GmbH
In Dresden, Hamburg, Frankfurt Am Main und an 7 weiteren Standorten

1.600 
Möchten Sie den Bildungsanbieter lieber direkt anrufen?
030 8... Mehr ansehen
Vergleichen Sie diesen Kurs mit ähnlichen Kursen
Mehr ansehen

Wichtige informationen

  • Intensivseminar berufsbegleitend
  • Anfänger
  • An 10 Standorten
  • 22 Lehrstunden
  • Dauer:
    3 Tage
Beschreibung

Statistik - Explorative Analysen mit R                                                    

Wichtige informationen
Veranstaltungsort(e)

Wo und wann

Beginn Lage
auf Anfrage
Berlin
Goethestr. 34, 13086, Berlin, Deutschland
Plan ansehen
auf Anfrage
Dresden
Rosenstraße 36, 01067, Sachsen, Deutschland
Plan ansehen
auf Anfrage
Düsseldorf
Stadttor 1, Nordrhein-Westfalen, NRW, Deutschland
Plan ansehen
auf Anfrage
Frankfurt Am Main
Mainzer Landstraße 50, 60325, Hessen, Deutschland
Plan ansehen
auf Anfrage
Hamburg
Stadthausbrücke 1-3, 20355, Hamburg, Deutschland
Plan ansehen
Alle ansehen (10)

Meinungen

Zu diesem Kurs gibt es noch keine Meinungen

Was lernen Sie in diesem Kurs?

Grundlagen der StatistikHauptkomponentenanalyse
Korrespondenzanalyse
Multiple Korrespondenzanalyse
Clustering
Multiple Faktorenanalyse

Themenkreis

Kurslevel:
Einsteiger

Zielgruppe:
Datenanalysten

Voraussetzungen:
Grundlagen der Statistik

Methode:
Vortrag mit Beispielen und Übungen.

Seminarziele:
Die explorative Datenanalyse ist ein Teilgebiet der Statistik. Sie untersucht und begutachtet Daten, von denen nur ein geringes Wissen über deren Zusammenhänge vorliegt. Dieses Seminar stellt zunächst vier wesentliche Methoden der multivariaten explorativen Analyse vor: die Hauptkomponentenanalyse (Principal Component Analysis, PCA) für quantitative Variablen, die Korrespondenzanalyse (Correspondence Analysis, CA) und die multiple Korrespondenzanalyse (Multiple Correspondence Analysis, MCA) für kategoriale Variablen und schließlich die (hierarchische) Cluster-Analyse. Als übergeordnete Methode für PCA und M/CA lernen die Teilnehmer dann die Multiple Faktorenanalyse (Multiple Factor Analysis, MFA) kennen. Ausgehend von der geometrischen Betrachtung der Daten zeigt dieses Seminar die verschiedenen Analysetechniken in ihren Grundzügen, weist auf Möglichkeiten hin, Daten bzw. Objekte zu visualisieren und Zusammenhänge in den Daten aufzuzeigen. Die praktischen Beispiele erfolgen mit R und dem FactoMineR, einem speziellen R-Paket für die explorative Datenanalyse.

Themen:
A. Hauptkomponentenanalyse
Dauer:0.75 Tage
Einführung in die Hauptkomponentenalyse / Principal Component Analysis (PCA) - Analysefragen: Individuen, Variablen und Beziehungen - Ableitung der Komponenten und Test auf Signifikanz - Erweiterte Analyse mit zusätzlichen quantitativen und kategorialen Variablen - Durchführung der Analyse mit R und FactorMineR

B. Korrespondenzanalyse
Dauer:0.25 Tage
Einführung in die Korrespondenzanalyse / Correspondence Analysis (CA) - Zielsetzungen der Analyse - Abhängigkeit und Unabhängigkeit - Daten (Reihen und Spalten) und ihre Profile analysieren und Ergebnisse interpretieren - Durchführung der Analyse mit R und FactorMineR

C. Multiple Korrespondenzanalyse
Dauer:0.25 Tage
Einführung in die Multiple Korrespondenzanalyse / Multiple Correspondence Analysis (MCA) - Zielsetzungen der Analyse - Distanzmaße für Individuen und Kategorien und ihre Interpretation - Interpretation der Ergebnisse - Durchführung der Analyse mit R und FactorMineR

D. Clustering
Dauer:0.75 Tage
Einführung in die Clusteranalyse - Messen der Ähnlichkeit von Individuen und Gruppen - Techniken der Clusteranalyse: Der k-Means Algorithmus und die Ward Methode - Partitionierende und hierarchische Verfahren - Clustering und Hauptkomponentenalyse - Interpretation der Ergebnisse - Durchführung der Analyse mit R und FactorMineR

E. Multiple Faktorenanalyse
Dauer:0.75 Tage
Einführung in die Multiple Faktorenanalyse / Multiple Factor Analysis (MFA)- Techniken der MFA: Gewichtungen von Variablen(gruppen), Faktoren und ihre Bedeutung für alle oder einzelne Variablengruppen, Vergleiche von Variablengruppen, Hierarchische Strukturen - Durchführung der Analyse mit R und FactorMineR

Unsere dozenten

Unser Trainer für Statistik und Data-Mining mit R Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Fachbuch-Autor zum Thema Datenbanken, Datenanalyse und als Berater für statistische Analyse mit R. Teilnehmer/innen seiner R-Seminare sind Betriebswirte / Volkswirtschaftler, Ingenieure und Doktoranden, die für Statistik und Data Mining R einsetzen wollen.

Veröffentlichungen:

  • "Grundlagen empirische Sozialforschung" (Comelio Medien, ISBN 978-3-939701-23-1)

  • "System und Systematik von Fragebögen" (Comelio Medien, ISBN 978-3-939701-26-2)

  • "Oracle SQL" (Comelio Medien, ISBN 978-3-939701-41-5)

  • "SQL Server 2012: Data Mining und multivariate Verfahren" (Comelio Medien, ISBN 978-3-939701-85-9)

  • "SQL und relationale Datenbanken" (Comelio Medien, ISBN 978-3-939701-52-1)

Erfahrung:
Projekte:
Als Berater konzipiert Herr Skulschus Analysesysteme auf Basis von relationalen Datenbanken und entwickelt dann statistische Modelle und Analysen mit R-Programmierung. Zu seinen Kunden zählen Marktforschungsunternehmen, Marketing-Abteilungen sowie Abteilungen für die Qualitätssicherung und Prozessoptimierung oder auch Forschungseinrichtungen.

Forschung:
Er leitete ein mehrjähriges Forschungsprojekt zur Entwicklung eines Fragebogensystems mit ontologie-basiertem Datenmodell und innovativen Frage-Antwort-Darstellungen. Förderung durch das BMWi und Zusammenarbeit mit verschiedenen Universitäten.

Webseite:

  • http://www.marco-skulschus.de

  • http://de.wikipedia.org/wiki/Marco_Skulschus



Referenzkurse:
  • Statistik mit R
  • Dummy

Zusätzliche Informationen

Die explorative Datenanalyse ist ein Teilgebiet der Statistik. Sie untersucht und begutachtet Daten, von denen nur ein geringes Wissen über deren Zusammenhänge vorliegt. Dieses Seminar stellt zunächst vier wesentliche Methoden der multivariaten explorativen Analyse vor: die Hauptkomponentenanalyse (Principal Component Analysis, PCA) für quantitative Variablen, die Korrespondenzanalyse (Correspondence Analysis, CA) und die multiple Korrespondenzanalyse (Multiple Correspondence Analysis, MCA) für kategoriale Variablen und schließlich die (hierarchische) Cluster-Analyse. Als übergeordnete Methode für PCA und M/CA lernen die Teilnehmer dann die Multiple Faktorenanalyse (Multiple Factor Analysis, MFA) kennen. Ausgehend von der geometrischen Betrachtung der Daten zeigt dieses Seminar die verschiedenen Analysetechniken in ihren Grundzügen, weist auf Möglichkeiten hin, Daten bzw. Objekte zu visualisieren und Zusammenhänge in den Daten aufzuzeigen. Die praktischen Beispiele erfolgen mit R und dem FactoMineR, einem speziellen R-Paket für die explorative Datenanalyse.

Vergleichen Sie diesen Kurs mit ähnlichen Kursen
Mehr ansehen