Gerne beraten wir Sie auch telefonisch & geben Ihnen eine kostenfreie persönliche Auskunft zu Ihrem Projekt.

X

Statistik Blog

Fall-Kontroll-Studie: Beispiel, Auswertung und Interpretation des Odds Ratio

Die Wahl der geeigneten Kontrollgruppe ist bei Fall Kontroll Studien besonders wichtig und muss in der Studienplanung wohlüberlegt werden. Unterschätzung des Expositionsrisikos, Selektionsbias und falsche und schadhafte Rückschlüsse können die Folge sein. Wir zeigen Ihnen, welche Kriterien zu qualitativ hochwertigen Fall Kontroll Studien führen und wie Sie das Odds Ratio effektiv berechnen (mit SPSS oder R) und interpretieren.

Poisson-Regression: Wie geht man mit Zähldaten um?

Ein Dauerbrenner in statistischen Analysen, der viele Leuten vor Probleme stellt, sind Zähldaten. Diese erfordern nämlich den Einsatz der Poisson-Regression, welche wiederum auf der Poisson-Verteilung basiert. In diesem Artikel werden anhand eines einfach zu verstehenden Poisson-Verteilung Beispiels in R die Grundlagen dieser beiden Begriffe gelegt.

Warum Sie Experte für die Normalverteilung werden sollten – erklärt mit Beispielen

Die Normalverteilung (auch Gauß-Verteilung oder Gaußsche Normalverteilung genannt) ist die wichtigste Wahrscheinlichkeitsverteilung und nimmt bei nahezu allen statistischen Analysen eine tragende Rolle ein. Warum dies der Fall ist, erfahren Sie in anschaulicher Art und Weise in diesem Blog-Artikel. Zunächst werden die Grundlagen und Motivation für Wahrscheinlichkeitsverteilungen im Allgemeinen gelegt und im Anschluss die Normalverteilung (auch Gauß-Verteilung genannt) und deren Wichtigkeit erläutert.

Regression 101: Understanding business flows with OLS regression in R

Clearly one of the most statistical techniques: OLS regression is one of the most commonly used methods for analysis and predictions. Furthermore, it also provides the basis for many more advanced techniques. All the more reasons to known how to conduct OLS regression in R and to understand the logic of this approach! This in-depth article provides an easy to follow introduction for conducting and interpreting an OLS linear regression in R.

In SPSS Variablen zusammenfassen und SPSS Fälle auswählen

Wer diese Arbeitsschritte beherrscht spart in SPSS viel Zeit und Mühe: In SPSS Variablen zusammenfassen und Fälle auswählen wird für die Datenaufbereitung extrem benötigt. Wir zeigen in diesem kurzem Guide darum wie Sie diese Aufgaben schnell und unkompliziert erledigen!

Repräsentative Stichprobe: So kommt man zu aussagekräftigen Ergebnissen!

Eine der zentralen Fragen bei der Durchführung von Befragungen und in der empirischen Forschung ist die Frage, wann eine Umfrage repräsentativ ist. In diesem Artikel erklären wir, was Repräsentativität bedeutet, wie man eine repräsentative Stichprobe erhält, welchen Einfluss der Stichprobenumfang auf die Aussagekraft von Ergebnissen hat und warum ein transparentes Vorgehen hinsichtlich Datengewinnung und Begründung der methodischen Rahmenbedingungen bei der Durchführung von Umfragen wesentlich ist.

The Future is now: Maschinelles Lernen in R für Fortgeschrittene

Aus dem Data Mining jetzt schon kaum mehr wegzudenken: Maschinelles Lernen und künstliche Intelligenz gewinnen täglich an Bedutung und spielen jetzt schon eine große Rolle für viele Data Mining Projekte. Ein guter Grund also, sich die Grundlagen für maschinelles Lernen anzueigenen! Unser Artikel ermöglicht den Einstieg mit leicht verständlichen Code Beispielen für R.

Logistische Regression SPSS richtig einsetzen – Wann macht sie Sinn?

DAS Verfahren um eine kategorische Variable vorherzusagen: Die logistische Regression wird in zahlreichen Bereichen angewendet. Wenn Sie aber noch nicht ganz sicher sind, wann eine logistische Regression sinnvoll sein kann und wann nicht, hilft dieser Artikel weiter! Wir beprechen Einsatzmöglichkeiten der logistiscchen Regression und erläutern diese durch ein anschauliches Beispiel. Außerdem zeigen wir die Unterschiede zur linearen Regression und zum Chi-Quadrat Test auf.

Wie gut ist Ihr Modell? Von ROC AUC, ROC Curve, MSE und anderen Maßzahlen

Die Bildung eines statistischen Modells für die Vorhersage einer Zielvariable ist ein wichtiger Aufgabenbereich innerhalb der Statistik. Doch wie gut ist das gefundene Modell?

Wir zeigen Ihnen, wie die Modellgüte eines statistischen Modells beurteilt werden kann, auf welche Aspekte sie achten müssen und zeigen Ihnen anhand des linearen Modells und des logistischen Modells, wie Gütemaße sinnvoll eingesetzt werden. Damit Sie wissen, was sich hinter ROC AUC, ROC Curve, Mean Square Error und RMSE verbirgt…

Jetzt Anrufen Jetzt anfragen