In diesem Kurs erhalten Sie eine Einführung in JMP, in seine Philosophie und in seine umfassenden Möglichkeiten der grafischen Datenanalyse. Sie erwerben die Fähigkeit, einfache explorative Datenanalysen (EDA) durchzuführen und Muster in Daten zu erkennen. Zum einen wird die Bedienung der Software mit ihren Menüs, Dialogen und Reports vorgestellt und zum anderen werden Techniken des Datenmanagements (Import, Export, Transponierung) und der Ergebnispräsentation vermittelt. Im Kontext der EDA erlernen Sie, Entscheidungsbäume (Trees) zu nutzen und deskriptive Statistiken zu erstellen und zu interpretieren.

Lernziele:

• Daten aus verschiedenen Quellen importieren
• durch die Software navigieren und sich orientieren
• das Spalten- und Zeilenmenü effizient einsetzen
• neue Tabellen mit statistischen Kennzahlen erstellen
• graphische und explorative Datenanalyse verwenden
• Entscheidungsbäume generieren
• Ergebnisse exportieren und Berichte verfassen

Voraussetzungen:

Keine.

In diesem Kurs werden die zwei wichtigsten Methoden der Datenanalyse vorgestellt: Varianzanalyse und Regression. Zu Beginn behandeln wir die Grundlagen der deskriptiven Statistik, sowie explorative Datenanalyse und statistische Hypothesentests. Dann werden Methoden zum Mittelwertvergleich vorgestellt, vom einfachen t-Test über die einfaktorielle bis zur mehrfaktoriellen Varianzanalyse (ANOVA). Den zweiten Schwerpunkt bilden die Regressionsmethoden. Wir gehen auf die einfache lineare Regression, die nichtlineare Regression sowie die multiple Regression und ihre Diagnose ein. Nach dem Besuch dieses Kurses sind Sie in der Lage, Daten mit einer stetigen Zielgröße zu analysieren.

Lernziele:

• explorative Datenanalyse betreiben
• Hypothesentests aufstellen und verstehen
• einfache, paarweise oder unabhängige t-Tests durchführen
• einfaktorielle und mehrfaktorielle Varianzanalysen interpretieren
• einfache und multiple Regressionsanalysen generieren und ihre Voraussetzungen überprüfen

Voraussetzungen:

Grundkenntnisse der Software JMP, z.B. im Umfang des Kurses JDEX.

In der statistischen Versuchsplanung versucht man, durch eine geplante Serie von Einzelexperimenten möglichst effizient, d.h. mit wenigen Versuchen, experimentelle Fragestellungen zu beantworten. In diesem Kurs erlernen Sie die grundlegenden Techniken für die Planung und anschließende Analyse der Versuche. Zunächst stehen vollfaktorielle und teilfaktorielle Versuche im Vordergrund, mit denen es gelingt, die wenigen wichtigen Faktoren zu extrahieren (Screening - Pläne). Anschließend werden die Faktoren in so genannten Response - Surface - Plänen optimiert, so dass die Wirkungsfläche analysiert und visualisiert werden kann. Sowohl die klassische Versuchsplanung als auch neuere, benutzerdefinierte Ansätze werden abgedeckt.

Lernziele:

• die Grundidee der statistischen Versuchsplanung umsetzen können
• Randomisierung, Wiederholung und Blockbildung richtig einsetzen
• Multiple faktorielle Versuchspläne und teilfaktorielle Screening Pläne erstellen und analysieren
• Screening-Designs zur Bestimmung der wenigen wichtigen Faktoren aufstellen
• Response Surface - Pläne zur Optimierung und Darstellung der Wirkungsfläche verwenden
• Benutzerdefinierte Versuchspläne richtig einsetzen

Voraussetzungen:

Grundkenntnisse in der Software JMP, etwa im Umfang des Kurses JDEX. Hilfreich sind Kenntnisse in der Varianzanalyse und Regression, wie z.B. aus dem Kurs JANR.