Statistik

Folgende Verfahren biete ich an:

Deskriptive Statistik und Visualisierung

Versuchsplanung

  • Studiendesign
  • Randomisierung
  • Einschluss- bzw. Ausschlussfaktoren
  • Optimale Fallzahlplanung

Modellierung & Testen

  • Konfidenzschätzungen für Mittelwert, Varianz, Wahrscheinlichkeit u.a. Parameter
  • t-Test, Wilcoxon-Test, Chi2-Test und andere Assoziationstests.
  • Kolmogorov-Smirnov, Baumgartner und andere Homogenitätstests
  • Kleine Stichproben und Bindungen: Exakte Tests / Permutationstests
  • Nichtparametrische Verteilung
  • Äquivalenztests
  • Meta-Analysen
  • Varianzanalyse. Gemischte Modelle
  • Prozeduren für multiple Vergleiche zwischen Behandlungen und simultane Konfidenzintervalle
  • Sensitivitätstests und ROC Analyse
  • Simulation und Monte Carlo Verfahren



Modellierung & Testen

  • Lineare und nichtlineare Regressionsmodellierung
  • Dosis-Wirkungskurven Analyse und EDx Schätzung
  • Überlebenszeitanalyse
  • Zeitreihenanalyse

Data Mining - Multivariate Statistik

  • Assoziationsanalyse / Warenkorbanalyse
  • Cluster Analyse
  • Hauptkomponentenanalyse
  • Klassifikation, Entscheidungsbäume und Neuronale Netze
  • SVM
  • Scoring und Vorhersage
  • Modellauswahl und kostenbasierte Entscheidungen

Optimierung / Operations Research

  • Lineare und Nichtlineare Programmierung
  • Prozessoptimierung und Simulation
  • Optimale Entscheidungstheorie

Was ist ein statistischer Test? In Worte gefasst:

Ein statistischer Test entscheidet zwischen einer Nullhypothese und einer Alternativhypothese. Die Nullhypothese kann beispielweise aussagen, daß zwei Behandlungen den gleichen Effekt haben, während es untr der Alternativhypothese einen Unterschied im Effekt gibt. Ist der sogenannte p-Wert des statistischen Tests kleiner als der Signifikantniveau , das in Regel 5% beträgt, wird die Nullhypothese verworfen und man spricht von einem signifikanten Ergebnis. Der p-Wert gibt - unter Annahme der Gültigkeit der Nullhypothese - die Wahrscheinlichkei dafür an, Daten zu erhalten, die mindestens so stark gegen die Nullhypothese sprechen wie die beobachtete Daten. Die Ablehnung der Nullhypothese ist durch eine geringe Irrtumswahrscheinlichkeit abgesichert. Daher ist die Ablehnung der Nullhypothese ein statistischer Nachweis der Alternative. Kann die Nullhypothese nicht abgelehnt werden, ist dies kein Nachweis für deren Gültigkeit. Die Testentscheidung ist insofern asymmetrisch. Die Güte oder Trennschärfe eines Tests ist die Wahrscheinlichkeit, mit der eine richtige Alternative erkannt wird.

Prof. Dr. M. Neuhäuser, Statistik Formelfrei 		Classification Table