Biostatistik mit R

Kurslevel:
Einsteiger

Zielgruppe:
Forscher/innen und Datenanalysten der Biowissenschaften

Voraussetzungen:
Allgemeine Kenntnisse der Mathematik

Methode:
Vortrag mit Beispielen und Übungen.

Seminarziele:
Dieses Seminar in die Biostatistik vermittelt kompakt und verständlich alle benötigten Grundlagen für die statistische Analyse in den Biowissenschaften. Viele konkrete Beispiele stellen den Bezug zur Praxis der biologischen Forschungsarbeit her. Mathematische oder statistische Vorkenntnisse sind nicht erforderlich, sondern werden im Seminar erarbeitet. Alle Methoden und Verfahren werden an Beispieldaten illustriert. Die praktische Umsetzung biostatistischer Methoden wird über R und auch MS Excel dargestellt. Die Teilnehmer/innen lernen an Beispieldatensätzen die Themen a) Beschreibende Statistik, b) Wahrscheinlichkeitstheorie, c) Schätzung unbekannter Parameter, d) Formulieren und Prüfen von Hypothesen, e) Statistische Tests, f) Korrelations- und Regressionsanalyse, g) Varianzanalyse und f) Biostatistische Versuchsplanung. Auf diese Weise können die Teilnehmer/innen sich leicht die Grundlagen der Biostatistik erarbeiten und diese gezielt in ihren eigenen Projekten anwenden.

Themen:
A. Einführung
Dauer:0.25 Tage
Biostatistik als Bestandteil biowissenschaftlicher Forschung - Population und Stichprobe - Merkmale und Skalenarten

B. Beschreibende Statistik eines Merkmals
Dauer:0.75 Tage
Darstellung der Daten in Tabellen - Grafische Darstellung der Daten: Balkendiagramm - Kreisdiagramm - Histogramm - Polygon - Summenhistogramm - Summenpolygon

C. Wahrscheinlichkeitstheorie
Dauer:0.75 Tage
Grundmodell der Wahrscheinlichkeitstheorie: Zufällige Ereignisse und deren Verknüpfung, Klassische Definition der Wahrscheinlichkeit, Axiomatische Definition der Wahrscheinlichkeit, Rechnen mit Wahrscheinlichkeiten - Zufallsvariablen und ihre Verteilung: Grundbegriffe, Diskrete Zufallsvariablen, Stetige Zufallsvariablen, Verteilungsparameter - Spezielle Verteilungen: Diskrete Verteilungen, Stetige Verteilungen

D. Schätzung unbekannter Parameter
Dauer:0.25 Tage
Punktschätzungen - Bereichsschätzungen: Verteilung von Punktschätzungen, Konfidenzintervalle

E. Formulieren und Prüfen von Hypothesen
Dauer:0.5 Tage
Inhaltliche und statistische Hypothesen: Klassifikation inhaltlicher Hypothesen, Statistische Alternativhypothesen, Statistische Nullhypothesen - Fehlerarten bei statistischen Entscheidungen - Prüfung statistischer Hypothesen: Der p-Wert, Einseitige und zweiseitige Fragestellungen, Statistische Signifikanz - Ablauf statistischer Tests - Monte-Carlo-Studien und die Bootstrap-Technik

F. Ausgewählte statistische Tests
Dauer:0.5 Tage
Parametrische Tests für normalverteilte Merkmale: Vergleich eines Mittelwerts mit einem bekannten Wert, Vergleich zweier Mittelwerte bei unabhängigen Stichproben, Vergleich zweier Mittelwerte bei verbundenen Stichproben, Äquivalenztests, Überprüfung der Voraussetzungen - Tests für ordinalskalierte Merkmale: Vergleich zweier Verteilungen bei unabhängigen Stichproben, Vergleich zweier Verteilungen für verbundene Stichproben - Tests für nominalskalierte (dichotome) Merkmale: Vergleich zweier Wahrscheinlichkeiten bei unabhängigen Stichproben, Vergleich zweier Wahrscheinlichkeiten bei verbundenen Stichproben

G. Korrelations- und Regressionsanalyse
Dauer:0.5 Tage
Korrelationsanalyse metrischer Merkmale: Grafische Veranschaulichung bivariater Zusammenhänge, Produkt-Moment-Korrelation, Interpretation von Korrelationen - Korrelationsanalyse ordinalskalierter Merkmale - Korrelationsanalyse nominalskalierter Merkmale - Einfache lineare Regression: Modell und Voraussetzungen, Schätzung der linearen Regressionsfunktion, Varianzzerlegung und Bestimmtheitsmaß, Konfidenzintervalle und Tests - Partielle Korrelationsanalyse - Multiple lineare Regression: Modell und Voraussetzungen, Schätzung der multiplen linearen Regressionsfunktion, Multiples Bestimmtheitsmaß und Tests, Multikollinearität und optimale Merkmalsmengen

H. Varianzanalyse
Dauer:0.5 Tage
Einfaktorielle Varianzanalyse (Modell I): Modell, Voraussetzungen und statistische Hypothesen, Quadratsummenzerlegung und Signifikanzprüfung, Multiple Vergleiche - Zweifaktorielle Varianzanalyse (Modell I): Modell, Voraussetzungen und statistische Hypothesen, Quadratsummenzerlegung und Signifikanzprüfung - Varianzanalyse mit zufälligen Effekten (Modell II): Modell, Voraussetzungen und statistische Hypothesen, Schätzung der Varianzkomponenten und Signifikanz prüfung - Rangvarianzanalyse für ordinalskalierte Merkmale: Globalvergleich der Rangvarianzanalyse, Multiple Vergleiche

I. Biostatistische Versuchsplanung
Dauer:0.5 Tage
Bedeutung der Versuchsplanung in der biowissenschaftlichen Forschung - Grundlegende Aspekte der Versuchsplanung: Varianzquellen in biowissenschaftlichen Untersuchungen, Allgemeine Prinzipien der Versuchsplanung, Typen von Stichproben, Versuchspläne - Bestimmung optimaler Stichprobenumfänge

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:

• Dummy