Deskriptive Statistik mit R Teil 2: Korrelationen und Prognosen
Fabio Basler, M.Sc.
Watch this class and thousands more
Watch this class and thousands more
Lessons in This Class
-
-
1.
Einführung
1:01
-
2.
Überblick zu Zusammenhangsmaße
0:44
-
3.
Theorie: Zusammenhangsmaßkennzahlen
8:41
-
4.
Überblick zu Kontingenzkoeffizient
1:27
-
5.
Theorie: Häufigkeitstabellen
11:24
-
6.
Kreuztabellen erstellen
11:09
-
7.
Chi-Quadrat-Maß und Interpretation
9:33
-
8.
Cramér's V berechnen und interpretieren
5:16
-
9.
Kontingenzkoeffizient berechnen und interpretieren
4:57
-
10.
Aufgabe: Kategoriale Korrelation
3:50
-
11.
Lösung: Kategoriale Korrelation Teil 2
7:32
-
12.
Überblick zur Spearman-Rangkorrelation
0:33
-
13.
Theorie: Spearman-Rangkorrelation
-
14.
Spearman-Rangkorrelation berechnen Teil 1
14:35
-
15.
Spearman-Rangkorrelation berechnen Teil 2
5:58
-
16.
Jitter Streudiagramm plotten und interpretieren
5:58
-
17.
Aufgabe: Spearman-Rangkorrelation
5:22
-
18.
Lösung: Spearman-Rangkorrelation Teil 1
-
19.
Lösung: Spearman-Rangkorrelation Teil 2
5:19
-
20.
Überblick zu Korrelationen
1:21
-
21.
Theorie: Von der Kovarianz zur Pearson-Korrelation
13:01
-
22.
Kovarianz berechnen und interpretieren
11:28
-
23.
Korrelation nach Pearson berechnen und interpretieren
10:26
-
24.
Visualisierung von Korrelationen
7:11
-
25.
Aufgabe: Pearson-Korrelationen berechnen
4:14
-
26.
Lösung: Pearson-Korrelationen berechnen Teil 1
7:49
-
27.
Lösung: Pearson-Korrelationen berechnen Teil 2
5:11
-
28.
Überblick zur Zeitreihenanalyse
0:43
-
29.
Theorie: Grundkonzepte der Zeitreihenanalyse
6:00
-
30.
Theorie: Trendprognoseverfahren
7:51
-
31.
Theorie: Fehlerberechnung und Bewertung von Prognosegüte
8:25
-
32.
Prognosen erstellen
10:55
-
33.
Zeitreihenanalyse Grundlagen
7:44
-
34.
Prognoseverfahren
5:59
-
35.
Verabschiedung
0:24
-
-
- --
- Beginner level
- Intermediate level
- Advanced level
- All levels
Community Generated
The level is determined by a majority opinion of students who have reviewed this class. The teacher's recommendation is shown until at least 5 student responses are collected.
--
Students
--
Projects
About This Class
In diesem Kurs stehen fortgeschrittene Methoden der statistischen Datenanalyse im Mittelpunkt. Behandelt werden Korrelationsverfahren und die Analyse von Zeitreihen für Prognosen.
Zunächst liegt der Fokus auf der Ermittlung und Interpretation von Korrelationen zwischen Variablen, um lineare Zusammenhänge in metrischen Daten sichtbar zu machen. Darauf folgt die Einführung in den Kontingenzkoeffizienten – ein Maß zur Beschreibung von Abhängigkeiten in kategorialen Datensätzen.
Abschließend erfolgt eine grundlegende Einführung in die Zeitreihenanalyse. Dabei werden Verfahren vorgestellt, mit denen sich zeitabhängige Muster wie Trends, saisonale Schwankungen und Zyklen identifizieren lassen.
Alle Inhalte werden durch anwendungsorientierte Übungen in R ergänzt, um die theoretischen Konzepte praktisch zu festigen. Nach Abschluss des Kurses besteht ein solides Verständnis für die Analyse komplexer Zusammenhänge in strukturierten und zeitabhängigen Daten.
Meet Your Teacher
Fabio Basler ist Trainer und Autor mit Schwerpunkt auf Data Science und Kunstlicher Intelligenz. Mit Erfahrung in Technologien wie Python, SQL, R, Power BI, Tableau, Excel sowie Themen wie Large Language Models und AI Agents vermittelt er praxisnahes Wissen in Onlinekursen, Seminaren und Inhouse-Schulungen.
Er studierte im Bachelor an der Hochschule Offenburg und absolvierte seinen Master an der ESB Business School. In seiner Masterarbeit setzte er sich mit Machine-Learning-Modellen in Python auseinander.
Fabio Basler bringt acht Jahre Berufserfahrung im Controlling und in der digitalen Transformation eines Industriekonzerns mit. Diese Praxisnahe fliesst in seine Arbeit ein mit dem Ziel, datengetriebene Losungen fur konkrete Unternehmensherausforderungen zu entwic... See full profile
Hands-on Class Project
Dieses Projekt bietet eine begleitende Sammlung von R-Skripten zum Kurs. Die enthaltenen Skripte decken alle wichtigen Themen des Kurses ab: von der Einführung in die Wahrscheinlichkeitsrechnung über diskrete und kontinuierliche Verteilungen bis hin zur praktischen Anwendung in der Datenanalyse. Ergänzt wird das Material durch Übungsaufgaben und ausführlich kommentierte Lösungsvorschläge.
Class Ratings
Why Join Skillshare?
Take award-winning Skillshare Original Classes
Each class has short lessons, hands-on projects
Your membership supports Skillshare teachers
Learn From Anywhere
Take classes on the go with the Skillshare app. Stream or download to watch on the plane, the subway, or wherever you learn best.
