189,21 € – 986,51 €

Introduction into Statistical thinking Berlin

Eventinformationen

Dieses Event teilen

Datum und Uhrzeit

Veranstaltungsort

Veranstaltungsort

Spacebase Campus

Muskauer Straße 24

10997 Berlin

Germany

Karte anzeigen

Beschreibung des Events
Introduction into Statistics and Statistical Thinking Einführung in Statistik und Statistische Denkweisen

Zu diesem Event

Tabellarischer Überblick über die Themen des Workshops

Tag 1

  • Einführung in Statistische Denkweise - Was bedeuten Bias, Variability und Zufälligkeit
  • über Stichproben und Populationen - Was uns Stichproben sagen
  • Warum und wann wir Nullhypothesen-Signifikanztests (NHST) nutzen
  • P Werte, Konfidenzintervalle und Signifikanzniveaus - und wie diese zusammenhängen
  • Was, wenn wir uns irren? Signifikanz, Typ I und Typ II Fehler
  • Statistische Power – Wie man Stichprobengröße und Streuung balancieren kann
  • Weitere Signifikanztests - verschiedene Tests für verschiedene Fragestellungen
  • Was mache ich, wenn ich nicht auf Unterschiede prüfen möchte - Einführung in Äquivalenztests
  • Wie lese ich wissenschaftliche Abbildungen? Regeln, um Daten richtig und effektiv darzustellen - anhand von Fehlerbalken Daten richtig interpretieren
  • Statistisch signifikant, na und? - über praktische Signifikanz und Effektgrößen
  • Was tun, wenn man mehr als zwei Gruppen vergleicht? Einführung in die Analysis of variance (ANOVA)

Tag 2

  • Einführung, wrap-up von Tag 1
  • Anwendung eines Design of experiments -
  • Design und Durchführung, Analyse und Interpretierung eines komplexeren Experimentes
  • Einführung in multivariate Statistik - Beispiel der Hauptkomponentenanalyse (PCA) – was ist PCA und wann kann ich sie anwenden?

Ich gebe gern zu: Ich bin fasziniert von Statistik und dem effektiven, korrekten Umgang mit Daten. Seit mehr als 4 Jahren führe ich unter anderem für Masteranden, Doktoranden und Post-Docs, als auch in Unternehmen Workshops durch und helfe so den Teilnehmern beim Finden von Lösungen für deren Statistik-Herausforderungen, bei der besseren Planung von Experimenten, und der richtigen Auswertung und Interpretation von Ergebnissen. Meine Erfahrung ist, dass der Lern-Erfolg der Teilnehmer am größten ist, wenn zuerst Erfahrungen (z.B. durch Gruppenarbeit und vor allem spielerische Experimente) generiert werden, und diese anschließend mit der entsprechenden Theorie oder Formeln verknüpft werden. Daher lege ich in meinen Workshops den Fokus und großen Wert auf das Sammeln Erfahrungen und Anwendungen. Oft geben mir Teilnehmer das Feedback und sagen „Es hat mir richtig Spaß gemacht, mich mit Statistik zu beschäftigen“, „Ich schaue nun mit anderen Augen auf meine Experimente und Daten“ oder „Ich fühle mich sicherer in der Anwendung von Statistik“.

Mein Ziel ist, dass Teilnehmer eine positive Einstellung zu Ihrer Forschung und deren Experimenten entwickeln und so selbstbewusst ihre Daten auswerten und kommunizieren können. Dabei helfen Übungen in Gruppenarbeit umso mehr, da in Gruppen nicht nur gemeinsam geübt werden kann, sondern trotz identischer Aufgaben und gleichen Bedingungen in allen Gruppen leicht unterschiedliche Ergebnisse erzeugt werden. Warum das so ist? - Statistik hilft uns, genau diese Variabilität zu verstehen und daraus zu lernen. In Gruppenarbeit spielerisch Erfahrungen sammeln und durch anschließende Diskussion, innerhalb und zwischen den Gruppen, die Erfahrung festigen, ist eines der Kern-Elemente meiner Workshops.

Die Erfahrung der letzten Jahre zeigt, dass die größte Hürde der Teilnehmer nicht in der praktischen Anwendung selbst, sondern zunächst im Verständnis zur Statistik und damit im sicheren Umgang mit Daten liegt. Daher wird im ersten Teil des Workshops auf das Schulen statistischer Denkweisen Wert gelegt.

Fehlendes Verständnis statistischer Grundbegriffe wie Variabilität, Bias oder Zufälligkeit hindert Wissenschaftler oft bei der Anwendung und Auswertung sogenannter Nullhypothesen Signifikanztests (NHST), zu denen z.B. die Klasse der „T-Tests“ gehört. Damit verbunden sind die Begriffe P-Wert (p value) und Konfidenzintervall, Signifikanz und alpha-Fehler. Diese Begriffe sorgen oft für Verwirrung, obwohl sie allesamt zusammenhängen. Im Workshop werden daher zuerst durch Gruppenarbeit Erfahrungen gesammelt und in den Gruppen zusammengetragen. Die mathematischen Zusammenhänge werden damit nahezu intuitiv erarbeitet, so dass die Teilnehmer ein sicheres Umgehen mit NHST erlangen und damit zukünftig auch eigene Forschung besser interpretieren können.

Im Rahmen dieser Übungen werden häufig verwendete Signifikanztests (u.a. gepaarte vs. ungepaarte, einseitige vs. zweiseitige T-Tests, Wilcoxon Test, Chi-Quadrat Test, F-Test, sowie Tests für Outlier-Detektion und Tests auf Normalverteilung eingeführt). Was zunächst nach einer großen Menge an Formeln aussieht, wird sich für die Teilnehmer als eine Anwendung des immer-wiederkehrenden Schemas von Schritten zeigen, die sich aus der vorher erlangten statistischen Denkweise und dem Verständnis über Variabilität ergeben und somit die Teilnehmer Sicherheit über die korrekte Anwendung von Signifikanztests festigen.

Während der Übungen werden auch die Vor- und Nachteile von Signifikanztests erläutert und entsprechend Techniken vorgestellt, die es erlauben, die Nachteile zu erkennen und auszugleichen. Diese Techniken sind z.B. die statistische Power Analyse und Äquivalenztests, die im Kurs besprochen werden. Während Signifikanztests auf „Unterschiede“ bzw. „Abwesenheit von Gleichheit“ testen, untersuchen Äquivalenztests das Vorhandensein von Gleichheit. Auch hier wird der Kreis geschlossen zu den Themen wie Variabilität und Stichprobengröße bzw. Optimierung der Stichprobengröße. Es wird auch auf die Frage eingegangen, was man tun kann, wenn man keine Signifikanz untersucht bzw. am Anfang von Studien nicht weiß, ob man nun auf Gleichheit oder Unterschiede prüfen sollte. Antworten auf diese Frage werden zur Diskussion der praktischen Signifikanz und Effect Size gegeben.

Im Zusammenhang von Signifikanz, P-Werten und Fehlerbalken wird die Thematik How to read a scientific figure behandelt. Als Wissenschaftler sind wir darauf angewiesen, in wissenschaftlichen Papieren, Vorträgen, eigenen Publikationen oder Abschlussarbeiten, wissenschaftliche Daten in Form von Grafiken darzulegen. Die dos and don’ts für das Erstellen und Lesen wissenschaftlicher Grafiken werden durch Gruppenarbeit erarbeitet und anschließend die zu Grunde liegenden Regeln gefestigt. Dabei wird erneut das erlernte Verständnis von Variabilität angewendet und Techniken kennengelernt, wie man mit Grafiken effizient Daten kommuniziert, vorstellt und auswertet.

In den letzten Abschnitten des workshops werden die bisher gefestigten Themen gefestigt und auf komplexere Experimente erweitert - auf Anwendungen, bei denen z.B. mehrere Gruppen oder Faktoren analysiert werden. Hierbei wird als Anwendung eine ein- und zwei-faktorielle Analysis-of-Variance (ANOVA) durchgeführt, wobei die Teilnehmer in Gruppenarbeit den kompletten Ablauf von Planung, Durchführung und Auswertung anhand eines spielerischen Experimentes durchführen. Während dieses Experimentes werden die Grundlagen des design of experiments (DoE) vermittelt. Dabei werden die Teilnehmer zunächst feststellen, welche Probleme entstehen können, wenn Experimente ohne entsprechendes Design durchgeführt werden, anschließend wird ausgearbeitet, mit welchen Methoden diese Probleme gelöst werden können, sodass am Ende des Kurses an Hand eines Beispiels ein eigenes DoE entworfen, durchgeführt und analysiert wird.

Abschließend findet eine Einführung in die Thematik der multivariaten Datenanalyse am Beispiel der Hauptkomponentenanalyse (principal component analysis, PCA) statt. Für die Durchführung und Erklärung der PCA wird ein eigens dafür entworfenes Spiel als Hilfsmittel verwendet, mit welchem die Teilnehmer in Gruppenarbeit spielerisch die Prinzipien der PCA erlernen können.

An einem leicht zu erarbeitenden und leicht zu verstehenden Problem und mit Hilfe des selbst entwickelten tools wird das Prinzip der PCA durch ein Experiment veranschaulicht und anschließend während der Auswertung des Experimentes die Vorteile und Begrifflichkeiten der PCA erläutert, so dass die Teilnehmer später beim Durchführen einer PCA oder dem Lesen entsprechender Literatur verstehen können, worum es bei einer PCA geht, wie man diese wissenschaftlich anwenden kann bzw. wie man die PCA-Ausgabe von Computerprogrammen interpretieren und nutzen kann.

Bei beiden letzten Themen (ANOVA und PCA) werden vor allem durch spielerisches Experimentieren die die dadurch generierte Erfahrung vermittelt. Die Teilnehmer sind dadurch in der Lage, die Ideen und Prinzipien der ANOVA und PCA intuitiv zu begreifen, was die anschließende Auswertung des Experimentes und das Einführen der entsprechenden Hintergründe deutlich einfacher macht. Gerade diesen Teil des Workshops nehmen die Teilnehmer in der Regel als sehr angenehm wahr.

Für den Workshop sind keine Statistik-Vorkenntnisse nötig, es werden für die Übungen zunächst nur Blatt, Stift und Taschenrechner benötigt, da so intensivere Lernerfahrungen gemacht werden können. Nach jedem Themen-Block werden die behandelten Themen als Befehle in der Programmiersprache R vorgestellt, sodass Teilnehmer neben dem Verständnis auch die Möglichkeit erhalten, das Gelernte in die Praxis umzusetzen und auf die eigene Wissenschaft anzuwenden.

Der Kurs wird in deutscher Sprache und bis zu einer maximalen Zahl von 15 Teilnehmern durchgeführt werden.

Kursteilnehmer erhalten ein Anwesenheitszertifikat, sowie ein Skript in elektronischer Form - auf Wunsch auch in Papierform.

Mit Freunden teilen

Datum und Uhrzeit

Veranstaltungsort

Spacebase Campus

Muskauer Straße 24

10997 Berlin

Germany

Karte anzeigen

Dieses Event speichern

Event gespeichert