Dabei werden die Datenanalyseverfahren betrachtet, die benötigt werden, um verschiedene Gruppen zu vergleichen, die Korrelation zu verstehen und sowohl lineare als auch nicht lineare Beziehungen zwischen Variablen zu modellieren. Anhand von Fallstudien, Beispielen aus der Praxis und Übungen werden Statistik- und Analyseprinzipien vorgestellt.
Dieser Kurs richtet sich in erster Linie an Businessanalysten, Prozessingenieure, Mitglieder von R&D-Teams und andere Qualitätsexperten, die erfahren möchten, wie sich statistische Modelle erstellen und auswerten lassen.
Lehrgang
- Grundlagen von Minitab
- Statistische Modellierung
- Workshop
TAGE 1–2
In diesem zweitägigen Grundlagenkurs lernen Sie, wie Sie den Zeitaufwand für die Datenanalyse minimieren, indem Sie mit Minitab Daten importieren, solide statistische Ansätze zur Untersuchung Ihrer Daten entwickeln, aussagekräftige Grafiken erstellen und interpretieren und die Ergebnisse exportieren. Sie analysieren eine Vielzahl von Datensätzen aus der Praxis, um zu erfahren, wie Sie das richtige Statistikwerkzeug für die jeweilige Situation auswählen, und Sie interpretieren statistische Ausgaben, um Probleme in einem Prozess oder Belege für Verbesserungen aufzuzeigen. Sie erlernen die Grundlagen wichtiger statistischer Konzepte, z. B. Hypothesentests und Konfidenzintervalle, und erfahren, wie Sie die Beziehungen zwischen Variablen mit Werkzeugen für die statistische Modellierung aufdecken und beschreiben.
In diesem Kurs liegt der Schwerpunkt darauf, fundierte Entscheidungen auf der Grundlage von statistischen Verfahren zu treffen, die häufig in der Fertigung, der Konstruktion sowie der Forschung und Entwicklung eingesetzt werden.
Es werden u. a. folgende Themen behandelt:
- Importieren und Formatieren von Daten
- Balkendiagramme
- Histogramme
- Boxplots
- Pareto-Diagramme
- Streudiagramme
- Tabellen und Chi-Quadrat-Analyse
- Maße für Lage und Streuung
- t-Tests
- Tests von Anteilen
- Tests auf gleiche Varianzen
- Trennschärfe und Stichprobenumfang
- Korrelation
- Einfache lineare und multiple Regression
- Einfache ANOVA
- ANOVA mit mehreren Variablen
