In diesem Modul werden Sie sich mit den wichtigsten Konzepten für Stichproben und die Planung von Experimenten befassen. Sie werden lernen, welche Fallstricke es gibt und wie Sie die Effektivität solcher Experimente bewerten können.

In diesem Modul lernen Sie die Definition der Wahrscheinlichkeit und die wesentlichen Wahrscheinlichkeitsregeln kennen, die Sie für die Lösung einfacher und komplexer Aufgaben benötigen. Sie werden auch Beispiele dafür kennenlernen, wie einfache Wahrscheinlichkeitsregeln verwendet werden, um Lösungen für komplexe Situationen im wirklichen Leben zu finden.

Dieses Modul behandelt die empirische Regel und die Normalannäherung für Daten, eine Technik, die in vielen statistischen Verfahren verwendet wird. Außerdem lernen Sie etwas über die Binomialverteilung und die Grundlagen der Zufallsvariablen.

In diesem Modul lernen Sie das Gesetz der großen Zahlen und den zentralen Grenzwertsatz kennen. Außerdem lernen Sie, wie Sie zwischen den verschiedenen Arten von Histogrammen in der statistischen Analyse unterscheiden können.

Dieses Modul behandelt die Regression, die wohl wichtigste statistische Technik aufgrund ihrer Vielseitigkeit bei der Lösung verschiedener Arten von statistischen Problemen. Sie lernen etwas über Inferenz, Regression und die Durchführung von Regressionsdiagnosen.

In diesem Modul lernen Sie, wie Sie Konfidenzintervalle in Standardsituationen konstruieren und interpretieren können.

In diesem Modul befassen Sie sich mit der Logik des Testens und lernen, wie Sie die geeigneten statistischen Tests für verschiedene Stichproben und Situationen durchführen. Sie erfahren auch etwas über häufige Missverständnisse und Fallstricke beim Testen.

Dieses Modul konzentriert sich auf die beiden wichtigsten Methoden, die in der computerintensiven statistischen Inferenz verwendet werden: Die Monte-Carlo-Methode und die Bootstrap-Methode. Sie lernen die theoretischen Grundlagen dieser Methoden kennen und erfahren, wie sie in verschiedenen Kontexten angewendet werden, z.B. bei der Regression und der Konstruktion von Konfidenzintervallen.

Dieses Modul konzentriert sich auf die drei wichtigen statistischen Analysen für kategoriale Daten: Chi-Quadrat-Test der Anpassungsgüte, Chi-Quadrat-Test der Homogenität und Chi-Quadrat-Test der Unabhängigkeit.

Dieses Modul behandelt die Grundlagen der ANOVA und die Funktionsweise von F-Tests anhand von Beispielen für eine einseitige ANOVA.

In diesem Modul erfahren Sie etwas über sehr wichtige Probleme, die im Zeitalter von Big Data aufgetaucht sind: Datenschnüffelei und der Trugschluss des mehrfachen Testens. Sie werden auch die Gründe für die Herausforderungen bei der Reproduzierbarkeit und Anwendbarkeit von Daten erkunden und erfahren, wie Sie solche Probleme bei Ihrer eigenen Arbeit vermeiden können.