Statistik ist allgegenwärtig. Daten prägen Debatten und Entscheidungsprozesse in Wirtschaft, Verwaltung und Politik. Stärken Sie Ihre Datenkompetenz: Lernen Sie, Zahlen präzise zu interpretieren und statistische Analysen kritisch zu bewerten – praxisnah, verständlich, anschaulich, mit Beispielen aus dem Gesundheitsbereich.
Zielpublikum:Der WBK richtet sich an Personen, die im (Berufs-)Alltag mit Statistiken und Studien fundierte Entscheidungen treffen oder faktenbasiert kommunizieren möchten.
Besonders angesprochen sind Fachkräfte aus:
- Sozial-/Gesundheitswesen
- Umweltwissenschaften, Life Science
- Medien-/Kommunikationsbranche
- Unternehmensberatung
- Behörden/Verbände/Politik
- sowie alle, die sich für Gesundheit und Statistik interessieren.
Keine Vorkenntnisse erforderlich - auch ideal zur Auffrischung.
Ziele:- statistische Grundlagen verstehen: zentrale Konzepte und Kennzahlen erfassen und anwenden. Analysen mit KI-Tools selbst durchführen.
- Korrekte Einschätzung: Gesundheitsdaten und Studienergebnisse richtig interpretieren
- statistische Aussagen kritisch bewerten: Limitationen, Fehler, Verzerrungen oder Manipulationen erkennen
- Datenbasierte Entscheidungen treffen: statistische Informationen gezielt für fundierte Argumentation nutzen
- praxisnahe Anwendung: das Gelernte direkt anwenden
Inhalt:
Zahlen und Fakten richtig zu interpretieren und anschaulich zu erklären, ist entscheidend für fundierte Entscheidungen und effektive Kommunikation. Sie lernen, komplexe statistische Informationen schnell zu erfassen, zu interpretieren, kritisch zu bewerten und verlässliche Schlussfolgerungen zu ziehen.
Durch praxisnahe Beispiele und interaktive Übungen vertiefen Sie das Verständnis für statistische Analysen und können Ergebnisse kompetent kommunizieren. Sie profitieren von der Expertise erfahrener Dozierender und vom Austausch mit anderen teilnehmenden Fachpersonen.
- Grundlagen & deskriptive Statistik – Wie lese ich Studienergebnisse?
Studien verstehen, Datentypen, statistische Kennzahlen, Notation, Visualisierung, Wahrscheinlichkeitsverteilungen, Analysen mit KI-Tools selbst durchführen - Schätzen & Unsicherheit – Wie eindeutig sind die Resultate?
Konfidenzintervall, Standardfehler, Meta-Analyse - Statistische Tests – Wann ist ein Testergebnis aussagekräftig?
statistische Tests, Testvoraussetzungen, parametrische und nicht-parametrische Verfahren, p-Wert, Fehler 1. und 2. Art - Regression & Risiken – Wie lassen sich Zusammenhänge erkennen & bewerten?
Regression & Adjustierung, Wahrscheinlichkeit & Risiken, Hazard- und Survival-Analyse
