Statistische Daten Analysen & Beratung für Studenten und Doktoranden
Auch für Studenten und Doktoranden, insbesondere für die Fachrichtungen Finanzen und Wirtschaft, Biowissenschaften (Medizin, Sportwissenschaften o.Ä.),
Psychologie und Soziologie, bieten wir eine umfassende, statistische Beratung an. Somit unterstützen wir nicht nur Studenten, sondern auch Hochschulen und Universitäten bei dem Auftrag, Berufsfähigkeit zu vermitteln.
Unser Dienstleistungsangebot beinhaltet:
• Beratung für Statistik, Biostatistik, Machine Learning und Data Science
• Beratung bei der statistischen Auswertung von Daten.
• Beratung bei der statistischen Auswertung von Fragebögen und Umfragen.
• Statistik-Lektorat: Wir lesen und überprüfen die Auswertungen aus Abschlussarbeiten (Masterarbeit, Doktorarbeit oder Publikationen).
• Statistik-Korrektorat: Wir korrigieren die Auswertungen aus Abschlussarbeiten (Masterarbeit, Doktorarbeit oder Publikationen).
• Beratung bei der Planung von wissenschaftlichen Experimenten.
• Beratung bei technischen Datenvorbereitungen (Datenextraktionen, Transformationen, Missing Values, Outlier u.s.w.)
• Statistische Programmierung in R, Python oder SAS.
• Anwendung und Testen von bereits programmierten R, Python oder SAS Codes.
• Fehlerbehebung bei bereits programmierten R, Python oder SAS Codes.
• Beratung bei der Anonymisierung der Daten.
• Hochwertige graphische Darstellungen.
• Interpretation der Ergebnisse – Storytelling.
• Berichterstellung in Word, PDF oder PowerPoint.
• Private Lernbegleitung, individuelles Coaching und Tutoring: Wir begleiten Abschlussarbeiten von A bis Z.
• Private Nachhilfe: Statistik, Wahrscheinlichkeitstheorie, Mathematik oder Programmierung werden Schritt für Schritt erklärt.
• Externe Betreuung von Bachelor- und Masterarbeiten.
• Betreuung von Praktika und Praxissemester.
Angewandte Statistische Verfahren
• Design of Experiments,
• Sampling Verfahren (simple random sampling, stratified random sampling, multistage random sampling usw),
• Fallzahlplanung (in Bezug auf SE, CV, MOE, Power),
• deskriptive Statistik,
• Visualisierung der Daten,
• Outlier Analyse,
• Missing Values Analyse,
• Transformationen,
• statistische Tests (t-tests, Wilcoxon-Mann-Whitney, Chi²-Tests, Fisher, Grubbs, Bartlett u.a.),
• Konfidenzintervalle,
• Toleranzintervalle,
• Korrelationen (Pearson, Spearman, Kendall, partielle u.a.),
• Lineare Modelle,
• Varianzanalyse,
• ANOVA,
• gemischte Modelle,
• GLM,
• Prozeduren für multiple Vergleiche,
• lineare Regression,
• multiple Regression,
• robuste Regression (z.B. Sandwich-Schätzer),
• gewichtete Regression,
• logistische Regression,
• Poisson Regression,
• nichtlineare Regression,
• nichtparametrische Verfahren,
• Überlebenszeitanalyse,
• Hauptkomponentenanalyse,
• Faktorenanalyse,
• Structural-Equation-Modeling u.a.
