Introduction Into Statistical Thinking

Dein Kurs für die Basis

Dein Kurs für

einen erfolgreichen Start

in die Wissenschaft

Der große Überblick - Themen des Seminars

l

Warum überhaupt Statistik

  • Warum überhaupt funktioniert Statistik?
  • Der kleine aber feine Unterschied – Stichprobe vs. Propulation
  • Nullhypothesen und Signifikanztests
  • T-Tests und P Werte
  • Was, wenn wir uns irren?Signifikanzniveau und α-Level
l

Hypothesentests intensiv

  • Optimierung von Stichprobenumfängen
  • Konfidenzintervalle
  • Der richtige Fehlerbalken
  • Falsch positiv vs. falsch negativ
  • Statistische Power
  • Einführung in ANOVA
l

das hätte ich so nicht gedacht

  • Wie sehr können wir P-Werten trauen?
  • Was ist normal ? – Testen auf Normalverteilung und Ausreißer
  • Lesen und Erstellen wissenschaftlicher Grafiken
  • Testen auf Unterschiede vs. Testen auf Gleichheit

Das Seminar deckt einen Großteil der Themen ab, die in Statistik-Vorlesungen des Grundstudiums bzw. Bachelorstudiums der naturwissenschaftlichen Richtungen behandelt werden. Alle Themen bauen aufeinander auf und die Verbindung zwischen den Themen und deren Bedeutung werden durch kleine Übungen und Diskussionen gefestigt. 

Vielleicht wundert es Dich, dass Themen wie das Finden des Richtigen Fehlerbalkens oder das Vertrauen von P-Werten zum Treffen der „richtigen“ Entscheidung eine Rolle in diesem Kurs spielen.

Du denkst Dir vielleicht: „Hier gibt es wohl mehr dazuzulernen, als ich gedacht hatte.“ Gerade bei den Grundlagen lohnt es sich, alle Vor- und Nachteile zu kennen, um häufige Fehler zu vermeiden und die eigene Wissenschaft besser zu verstehen.

Die Themen im Detail

Hier finden Sie genauere Informationen zu den Themen, den Ideen dahinter und den Zusammenhang zwischen den Themen. So können Sie sich ein noch genaueres Bild von den Dingen machen, die es sich lohnt, in diesem Seminar dazuzulernen. Für detaillierte Informationen klicken Sie einfach auf die Themen.

Einführung in Variabilität

Warum funktioniert Statistik eigentlich? Im ersten Teil des Seminars wird die statistische Denkweise, der Einfluss von Variabilität und Zufall, als auch der Unterschied zwischen Stichprobe und Population Wert geschult. Vielleicht fragen Sie sich, warum dies wichtig ist? Wir nutzen Stichproben für unsere Experimente, doch die Aussagen, die wir an Hand unserer Stichprobe treffen, gehen weit über unsere Stichprobe hinaus. Das ist eine sehr faszinierende Eigenschaft und es ist wichtig, diesen Unterschied zu verstehen, denn er hilft uns auch, in Abschlussarbeiten besser und vor allem richtig zu formulieren, was wir aussagen dürfen und was nicht. Ein kurzer Blick in die Geschichte und kleine Übungen helfen dabei, diesen kleinen aber feinen Unterschied zu verstehen,

Einführung in Signifikanztests

Signifikanz-Tests (genauer gesagt, den Nullhypothesensignifikanztests) werden in allen naturwissenschaftlichen Disziplinen verwendet. Sei es beim berühmten T-Test, der ANOVA oder zum Beispiel bei Ausreißertests. Während uns Computer die Durchführung der Tests mittlerweile abnehmen, liegt es weiterhin an uns, zu interpretieren, was hinter den Ergebnissen des Tests steckt, welche Frage sie eigentlich beantworten und welche nicht. Dieses Verständnis ist wichtig, um in Bezug auf unsere Experimente die richtige Schlussfolgerung treffen zu können und natürlich in Publikationen auch die richtige Wortwahl zu verwenden.

In den Übungen zur Variabilität werden bereits intuitiv die Zusammenhänge zu den Hypothesentests gelegt. Die Idee und Bedeutung der P Werte und den Bezug zu den wohl bekanntesten Nullhypothesensignifikanztests, den T-Tests, werden dabei ebenfalls geschaffen. Über die Übungen zur Variabilität gelangen wir automatisch zu den Begriffen des Signifikanzlevels und lernen auch kennen, dass sich statistische Tests auch „irren“ können und wir untersuchen, wie wir mit diesen „falschen“ Ergebnissen umgehen können.

Signifikanztests aus verschiedenen Blickwinkeln

Mit dem Signifikanzlevel und der Ergebnis unseres Signifikanztests entscheidet sich, ob man ein statistisch signifikantes Ergebnis erhält. Welchen Einfluss die Größe unserer Stichprobe hat und wie man den Umfang der Stichprobe bestimmen und optimieren kann, um überhaupt in der Lage sein zu können, ein signifikantes Ergebnis erhalten zu können, werden wir nun erfahren. Wir lernen die Vorgehensweisen kennen, die damit in Verbindung stehenden falsch-positiven Ergebnisse zu vermeiden, oder zumindest abzuschätzen.

Statistische Tests haben die interessante Eigenschaft, sich in zwei Richtungen „irren“ zu können. Wir nennen dies falsch-positive und falsch-negative Ergebnisse und ich bin mir sicher, ihr habt im Jahr 2020 bereits darüber gelesen oder vielleicht selbst erfahren, dass Test-Resultate sowohl falsch-positiv als auch falsch-negativ sein können. Wie man damit umgeht und vor allem, wie man bereits vor der Durchführung eines Experimentes bestimmen kann, wie hoch die Wahrscheinlichkeit solcher unerwünschten Ereignisse ist, lernen wir durch kleine Übungen kennen. Es ist sicher keine Überraschung, dass wir vermeiden möchten, dass so etwas passiert und wir werden hier Wege kennenlernen, wie man dies bereits vor Durchführung eins Experimentes bestimmen kann.

Stellt Euch vor, ihr habt einen statistischen Test durchgeführt und wisst, dass er eine große Wahrscheinlichkeit hat, falsch-positive und falsch-negative Ergebnisse zu erzeugen. Wie sehr könnt ihr diesem Test trauen? Würdet ihr ein Resultat dieses Tests ohne Weiteres in einem paper veröffentlichen? Wie gehen wir in der Wissenschaft damit um? Wie präsentieren wir solche Ergebnisse? Wie können wir solche Ergebnisse interpretieren? Diesen spannenden und weitreichenden Fragen gehen wir hier nach und allein das Diskutieren über diese Fragen wird Dich bereits in Zukunft veranlassen, mit anderen Augen auf Deine eigene Forschung zu schauen.

Fehlerbalken und wissenschaftliche Grafiken richtig Lesen

Stell Dir vor, Du hast die Möglichkeit, die Ergebnisse eines papers zu erfahren. Entweder, Du liest den Text dazu im Paper oder Du nutzt die grafische Darstellung der Ergebnisse, um die gleiche Aussage zutreffen. In diesem Teil lernen wir die Möglichkeiten kennen, wir man grafisch alle Informationen eines Signifikanztests unterbringt, die man ansonsten ein längeren Texteilen erklären würde. Wie stelle ich also Streuung und Variabilität richtig dar? Welche Fehlerbalken muss ich benutzen? Darf ich Konfidenzintervalle nutzen, oder doch lieber den Standardfehler, oder gar die Standardabweichung meiner Stichprobe? Dürfen sich Fehlerbalken überlappen und zeigen dennoch einen signifikanten Unterschied? Kann ich bei kleinen Stichprobengrößen auf Fehlerbalken verzichten? Darf ich überhaupt Statistik nutzen, wenn meine Stichprobengröße beispielsweise nur n=3 is

Einführung in die Analysis of Variance (ANOVA)

In den vorangegangen Themen wurden Signifikanztests im allgemeinen aus verschiedenen Blickwinkeln betrachtet und die Vor- und Nachteile beleuchtet. Dies haben wir an Hand der verschiedenen T-Tests erläutert, uns dabei jedoch auf den Fall beschränkt, in dem wir maximal zwei Gruppen miteinander vergleichen. Beim Vergleich von mehreren Gruppen oder nutzen wir die Möglichkeiten der ANOVA, um statistische Aussagen über Unterschiede zwischen den einzelnen Gruppen zu treffen. Hier beschäftigen wir uns mit Beispielen, um die Idee hinter ANOVA und der Auswertung kennenzulernen. Was sind die Voraussetzungen für die Durchführung, wie sieht die Auswertung aus? Woran erkennst Du, zwischen welchen Gruppen Unterschiede bestehen? Was kannst Du bei kleinen Stichprobengrößen tun? Wie gehst Du mit falsch-positiven oderfalsch-negativen Ergebnissen um? Was sind nützliche grafische Darstellungen der ANOVA. Will ich wirklich alle Gruppen miteinander vergleichen oder immer nur die Gruppen mit er jeweiligen Referenz?

Themen, die es manchmal nicht ins Statistik-Skript schaffen

Testen auf Unterschiede oder Testen auf Gleichheit

In vielen Situationen suchen wir in der Wissenschaft nach Neuem, nach etwas „besseren“, „größeren“, „effektiveren“ … nach Unterschieden. Oft genug finden wir uns jedoch an Punkten, an dem wir statistisch untersuchen möchten, ob sich zwei (oder mehr) Dinge nicht oder kaum unterscheiden. Ist die Reinheit meines chemischen Produktes nach 2 Wochen Lagerung noch die Gleiche? Konnten meine Probanden ihr Gewicht halten trotz experimenteller Diät? Ist die synthetisierte Verbindung genauso aktiv wie der Standard? Warum der T-Test hier nicht die richtige Antwort gibt und welche Alternativen uns zur Verfügung stehen, um statistisch zu zeigen, dass Gleichheit zwischen Gruppen besteht.

Wie sehr kannst Du P Werten trauen?

Statistische Signifikanztests geben als Teil des Ergebnisses P Werte aus und wir fokussieren oft auf diese P Werte. Du kannst Dich natürlich fragen, was passieren würde, wenn Du ein Experiment erneut durchführest und erneut auf den P Wert achtest. Werden die P Werte identisch sein, und wenn nicht, was sagt dies dann über deine Ergebnisse aus? Wie gehen wir damit um, wenn der P Wert von Experiment zu Experiment schwankt? Welches Experiment darfst Du veröffentlichen? Was ist mit Studien, die auf Grund von signifikanten P Werten veröffentlicht wurden? Und was ist mit Studien, die aufgrund nicht-signifikanter P Werte nicht veröffentlicht wurden. Am wichtigsten ist vielleicht die Frage, was Du tun kannst, um herauszufinden, wie sehr Du Deinem P Wert trauen kannst und wie Du diese Informationen in Publikationen einfliessen lassen kannst.

Testen auf Normalität der Daten und Testen auf Ausreisser

Viele statistische Tests setzen „Normalität“ und die Abwesenheit von Ausreissern der Daten voraus. Was es damit auf sich hat und welche Möglichkeiten wir haben, um Daten auf Normalität und Ausreisser zu prüfen, finden wir hier heraus. Welche Besonderheiten hier zu beachten sind, werden wir an Beispielen ergründen. Natürlich erledigen, wie fast überall, Computer die Rechenarbeit für uns, jedoch kommt es auch hier besonders auf Deinen Wissenschaftlichen Sachverstand an, wenn es darum geht, zu interpretieren, was diese Tests aussagen.

Passen Datenpunkte nicht zum Rest der übrigen Datenpunkte, dürfen wir dann von einem Ausreisser sprechen? Woran erkennst Du einen (oder mehrere) Ausreisser. Was kannst Du tun, wenn Du Ausreisser identifiziert hast? Wie sehr kannst Du einem Test trauen, der auf Ausreisser prüft? Darfst Du bei kleinen Stickprobenumfängen überhaupt einen Test auf Aureisser durchführen? Vielleicht stellst Du fest, dass diese Themen durchaus ihre Berechtigungen haben und vielleicht hattest Du ja selbst schon mit diesen Dingen in Deiner eigenen Forschung zu tun.

Ablauf des Seminars

Das Seminar wurde als Präsenzkurs konzipiert und wird seit rund 5 Jahren erfolgreich deutschlandweit angeboten. Seit Mitte 2020 wurde die Struktur auf Online-Charakter angepasst und seitdem wird dieses Seminar sowohl als Präsenz- als auch Online-Seminar durchgeführt. Auf Grund der aktuellen Situation wird dieses Seminar im Präsenzkurs voraussichtlich erst wieder ab Mai 2021 angeboten.

Präsenzkurs

Online-Seminar

Lernen durch Übungen und Spiele

Heutzutage gibt es viele Möglichkeiten, sich Wissen in Statistik anzueignen. Vielleicht hast Du selbst bereits die Erfahrung gemacht:, es gibt einen Unterschied zwischen Auswendiglernen und Verstehen. Wir haben als Babys das Krabbeln und Laufen gelernt, als Kinder das Bauen von Türmen aus Holzklötzen und das Nutzen von Besteck zum Essen. Du hast kein dafür kein Buch lesen müssen oder Hausaufgaben erledigt, um diese Tätigkeiten besser zu können. Diese Dinge lernen und verstehen wir intuitiv, indem wir sie einfach oft machen, sie mit kleinen Spielen „verpacken“ und uns immer neue und machbare Herausforderungen stellen, die wir nach und nach meistern. Natürlich lernen wir auch, indem wir Dinge nicht beim ersten Mal richtig machen, sondern aus Fehlern lernen und unser Verhalten solange ändern und anpassen, bis es klappt. Das Überqueren der Türschwelle oder Bauen eines stabilen Turmes hast Du vermutlich auch zuerst mit häufigem Scheitern, mit Anleitung und später allein und ohne Hilfe gemeistert. Bei den nächsten Versuchen hast Du Dich vermutlich weiter ausprobiert und damit noch mehr Sicherheit erlangt.

Das tatsächliche Verständnis und Lernen findet am besten spielerisch statt. Genauso ist dieses Seminar so konzipiert, alle Themen durch Spiele nähergebracht werden und Übungen helfen, zu verstehen, worum es geht.

Gerade bei Statistik, wo es auch immer um das Verständnis der Variabilität geht, werden kleine Übungen teils in Gruppen, teils Einzeln, als Spiele durchgeführt. Die Übungen sind so gestaltet, dass die Teilnehmer und Gruppen selbst bei identischer Durchführung unterschiedliche Ergebnisse bekommen. Eine herrliche Grundlage, um darüber zu diskutieren und dadurch noch besser zu verstehen, an welchen Stellen Variabilität zum Beispiel auch Deine eigenen Forschungsergebnisse beeinflussen kann. Und gleichzeitig lernst Du z.B. die Vorteile der Hypothesentests kennen. Und alles durch Spielen … ohne Hauaufgaben, ohne Wälzen von Büchern und ohne stundenlange YouTube-Videos schauen zu müssen. 

Materialien

Im Präsenzkurs werden alle Materialien zur Verfügung gestellt. Dies beinhaltet alle „Spielgeräte“ und ein Begleitheft, den little companion. Er enthält alle Beispielaufgaben und Übungen, die so aufbereitet sind, dass Sie von allen Teilnehmern in Gruppen und Einzelarbeit selbstständig durchgeführt werden können. Alle Übungen im Kurs können per Hand gerechnet werden, da im little companion die statistischen Aufgaben in kleine Teile geteilt sind. Lediglich ein Taschenrechner ist nötig, um z.B. eine Standardabweichung ausrechnen zu können.

Im Online-Kurs werden die Übungen virtuell durchgeführt, einige Experimente werden also direkt am Computer durchgeführt. Andere Experimente können auch „vor“ dem Computer durchgeführt werden. Die Auswertung der Experimente und Übungen erfolgt im Online-Kurs interaktiv. Auch hier wird der little companion zur Verfügung gestellt, diesmal als ausdruckbare PDF Version.  

Der kleine Helfer beim Seminar

Sowohl im Präsenzkurs als auch im Online-Seminar erhalten die Teilnehmer den little companion, eine Sammlung kleiner Hilfen, den Vorlagen für alle Übungen und Hinweisen. 

Auswahl Vergangener Seminare

2017 Biochemie – Universität Leipzig
2018 Institut für Pflanzenbiochemie Halle (IPB Halle)
2019 TU München – Junge Lebensmittelchemiker
FAU Erlangen – Junge Lebensmittelchemiker
IZI Leipzig

Auswahl Vergangener Seminare

2019 Bergakademie Freiberg
2020 Universität Bonn
Universität Leipzig (Online)
JCL Kaiserslautern (Online)
MLU Halle (Online)
Bergakademie Freiberg (Online)

Statistik Begreifen –
im Wahrsten Sinne

Meine Seminare und Workshops sind so gestaltet, dass das erworbene Wissen so viel wie möglich durch eigene Erfahrungen erlangt wird. Deshalb werden alle Themen mit kleinen Spielen begleitet, in denen die Vor- und Nachteile der jeweiligen Methoden intuitiv erlernt werden.

Termine und Anmeldung

Präsenzkurs

Es ist geplant, die nächsten Präsenzkurse ab dem 2. Quartal 2021 wieder anzubieten. Voraussichtliche Termine hierfür sind:

17. und 18. Mai in Leipzig
19. und 20. Mai in Leipzig

15. und 16. Juni in Leipzig
22. und 23. Juni in Leipzig

03. und 04. August in Leipzig

Es sind natürlich auch alternative Termine möglich. Die Erfahrung zeigt, dass zwei aufeinanderfolgende Kurstage großen Lernerfolg bringen. Wünschen Sie für Ihr Seminar individuelle Kurstage, können Sie dies selbstverständlich bei Ihrer Anfrage angeben.

Die Anmeldung / Registrierung erfolgt momentan noch per E-mail an booking@sumofsquares.de. Ein Online-Buchungsformular befindet sich momentan im Aufbau.

Die maximale Teilnehmerzahl für den Präsenzkurs in Leipzig beträgt 12. Sie möchten mehr als 12 Teilnehmer für den Leipziger Kurs anmelden? Bitte teilen Sie mir dies mit, so dass ich einen alternativen Veranstaltungsort organisieren kann.

Sie möchten das Seminar in Ihren eigenen Räumen stattfinden lassen? Ihre Einrichtung oder Firma befindet sich in Hamburg, Köln, München oder an einem anderen Ort in Deutschland? Kein Problem. Geben Sie bei Ihrer Anfrage einfach an, an welchem Ort Sie den Kurs durchführen möchten.

Du möchtest die Kursinhalte gern in persönlichem Umfeld als Einzeltraining oder als Training mit weniger als 5 Teilnehmern stattfinden lassen? Vielleicht als Auffrischung fürs Studium oder die Promotion? Kein Problem. Du kannst einfach bei der Anfrage darauf hinweisen.

Online-Seminar

Die nächsten Termine für das Online-Seminar sind:

13. und 14. sowie 20. und 21. April 2021

11. und 12. sowie 13. und 14. Mai 2021

29. und 30. Juni sowie 6. und 7. Juli 2021

Die Kurse können entweder an Vormittagen (z.B. 9:00 Uhr bis 12:30) oder Nachmittagen (z.B. 13:30 bis 17:00 Uhr) stattfinden. Es sind natürlich auch alternative Termine möglich. Die Erfahrung zeigt, dass zwei aufeinanderfolgende Kurstage großen Lernerfolg bringen. Wünschen Sie für Ihr Seminar individuelle Kurstage, können Sie dies selbstverständlich bei Ihrer Anfrage angeben.

Die Anmeldung / Registrierung erfolgt momentan noch per E-mail an booking@sumofsquares.de. Ein Online-Buchungsformular befindet sich momentan im Aufbau.

Für die Online-Seminare gibt es keine Teilnehmerbeschränkung. (Die Seminarsoftware lässt bis zu 500 Teilnehmer zu)

Du möchtest die Kursinhalte gern in persönlichem Umfeld als Einzeltraining oder als Training mit weniger als 5 Teilnehmern stattfinden lassen? Vielleicht als Auffrischung fürs Studium oder die Promotion? Kein Problem. Du kannst einfach bei der Anfrage darauf hinweisen und wir vereinbaren Termine nach genau Deinen Vorstellungen.

Leistungen

Workshops
Inhouse-Seminare
Online-Seminare
Individuelle Beratung
Wissenschaftliche Unterstützung

Kontakt

Dr. Peter Paul Heym
Lange Str. 41
04509 Delitzsch
Deutschland

Kontakt

Büroadresse:
Essener Str. 100
04357 Leipzig