Hier finden Sie interessante Artikel und Anleitungen zu grundlegenden Themen der Statistik mit R, die Sie zum Selbststudium nutzen können.

Die Artikel konzentrieren sich auf die Umsetzung statistischer Verfahren und

diskutieren zusätzlich die Interpretation der Outputs und die Prüfung von Voraussetzungen.

• Streudiagramm und einfache lineare Regression mit R. Mit Streudiagrammen können paarweise Zusammenhänge zwischen metrischen Variablen veranschaulicht werden.
• Korrelation (Pearson & Spearman) mit R. Korrelationsanalysen wie z.B. nach Pearson oder nach Spearman eignen sich zur Analyse von Zusammenhängen zwischen zwei Variablen. 
• Chi-Quadrat-Test mit R. Mit diesem Test können Sie überprüfen ob signifikante Zusammenhänge zwischen nominalen bzw. kategoriellen Variablen bestehen.
• One-Way-ANOVA (Einfaktorielle Varianzanalyse). Die Varianzanalyse kommt zum Einsatz, wenn drei oder mehr Gruppen miteinander verglichen werden.
• Balkendiagramm mit R. Mit Balkendiagrammen (auch bekannt als Säulendiagramm) können Häufigkeiten sowie Gruppenvergleiche übersichtlich visualisiert werden.
• Wahrscheinlichkeitsrechnung für Normalverteilung in R.  In R können Sie Zufallszahlen simulieren sowie Wahrscheinlichkeiten und Quantile berechnen. Hier erfahren Sie, wie das funktioniert.
• Vektoren in R. Vektoren sind in R allgegenwärtig und eine grundlegende Datenstruktur. Lernen Sie hier wie man Vektoren erzeugt und mit Ihnen rechnet.
• Matrizen erstellen in R. Matrizen sind eine nützliche Art der Anordnung von Daten. Sie können in R auf verschiedene Art erstellt und verändert werden
• Robuste Statistik mit R. Das Fachgebiet der robusten Statistik ist ein interessanter Teilbereich, der sich mit Methoden beschäftigt die gegen Ausreißer robust sind. 
• t-Test mit R (unabhängige Stichproben). Der t-Test ist der wohl bekannteste Signifikanztest. Er wird verwendet zum Vergleich der Mittelwerte von zwei Gruppen.
• Q-Q-Diagramme mit R. Das Q-Q-Diagramm (Quantil-Quantil-Diagramm) ist eine graphische Möglichkeit zu Überprüfung einer Normalverteilung.
• Histogramme in R. Hier lernen Sie, wie man ein Histogramm mit Hilfe des Statistikprogrammes R erstellen kann.
• Deskriptive Statistik mit R. Berechnung des arithmetischen Mittels, Standardabweichung, Median, Quantile und weitere deskriptive Statistiken mit R.
• Wilcoxon-Test und Mann-Whitney-U-Test in R. Diese Tests sind Alternativen zum t-Test für ordinale oder nicht-normalverteilte Daten.
• Cronbach's Alpha (Reliabilität) in R. Das Cronbach's Alpha ist eine bekannte Kennzahl zur Quantifizierung der Reliabilität von Fragebögen.
• Mediane Überlebenszeit, Log-Rank-Test und Kaplan-Meier-Graphik in R. Diese Methoden werden in der medizinischen Statistik zur Analyse von Überlebensdaten verwendet. 
• Odds Ratio in R berechnen. Eine bekannte Kennzahl zur Quantifizierung des Risikos in der medizinischen Statistik ist das Odds Ratio.
• Normalverteilungs-Tests in R. Berechnung des Shapiro-Wilk-Tests sowie des Kolmogorov-Smirnov-Tests in R und Vergleich der beiden Tests.                               

Video-Tutorials

Bei Klick auf die Links werden Sie zu YouTube weitergeleitet. Denken Sie bitte daran, bei Youtube unseren Kanal zu abonnieren und den Like-Button zu smashen 😊. 

• t-Test für verbundene Stichproben in RStudio
• t-Test für unabhängige Stichproben & Varianzhomogenität in RStudio
• Mann-Whitney-Test (Wilcoxon-Test für unabhängige Stichproben)
• Chi-Quadrat-Unabhängigkeitstest, Cramer's V und Kreuztabellen
• Einfaktorielle Varianzanalyse, Normalverteilung & Varianzhomogenität
• Mediane Überlebenszeit, Log-Rank-Test und Kaplan-Meier-Diagramm
• Anständiges Streudiagramm mit Trendlinie erstellen in RStudio
• Wilcoxon-Test für verbundene Stichproben in RStudio

Die Artikel und Videos werden laufend erweitert, falls also kein interessantes Thema für Sie dabei ist, schauen Sie einfach zu einem späteren Zeitpunkt noch einmal vorbei.

Alternativ können Sie natürlich auch einen persönlichen Termin zur Statistik-Beratung vereinbaren. Nehmen Sie hierzu über das Kontaktformular oder telefonisch zu uns Kontakt auf.