Weiter zum Inhalt
Startseite

Probabilistik- und Statistikkurse

In den Kursen zur Probabilistik und Statistik werden mathematische Konzepte zur Analyse von Zufallsereignissen und zur Interpretation von Daten durch Modelle und Schlussfolgerungen untersucht. Nutze Tools wie Python, R, Excel und Google Sheets, um dein theoretisches Wissen in der Statistik anzuwenden.

Kostenloses Konto erstellen

Mit Google fortfahrenWeitere Optionen anzeigen

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.
Group

Training für 2 oder mehr Personen?

Probiere es mit DataCamp for Business

Empfohlen für Anfänger in Probabilistik und Statistik

Baue deine Fähigkeiten in den Bereichen Probabilistik und Statistik mit interaktiven Kursen aus, die von Experten aus der Praxis kuratiert werden.

Kurs

Einführung in die Statistik mit R

MittelSchwierigkeitsgrad
4.8+
2.283 Wiederholungen
4 Std.
In diesem Statistik-Einführungskurs lernst du, wie du Daten mit R erfasst, analysierst und in präzise Schlussfolgerungen transformierst.

Lernpfad

Statistiker in R

4.5+
7 Wiederholungen
52 Std.
Ein Statistiker oder eine Statistikerin sammelt und analysiert Daten und hilft Unternehmen, quantitative Daten sinnvoll zu nutzen, indem er oder sie Trends erkennt und Vorhersagen trifft.

Nicht sicher, wo du anfangen sollst?

Nimm an einem Assessment teil

Erkunde Probabilistik und Statistik Kurse und Lernpfade

Kurs

Einführung in die Statistik

BasicSchwierigkeitsgrad
4.8+
10.205 Wiederholungen
4 Std.
In diesem Kurs bekommst du einen Überblick über Maßzahlen für Zentrum und Streuung, Wahrscheinlichkeitsverteilungen und Hypothesentests.

Kurs

Einführung in die Statistik in Python

MittelSchwierigkeitsgrad
4.7+
9.279 Wiederholungen
4 Std.
In diesem Statistikkurs lernst du, wie du Daten mit Python erfasst, analysierst und in präzise Schlussfolgerungen transformierst.

Kurs

Einführung in die Statistik mit R

MittelSchwierigkeitsgrad
4.8+
2.283 Wiederholungen
4 Std.
In diesem Statistik-Einführungskurs lernst du, wie du Daten mit R erfasst, analysierst und in präzise Schlussfolgerungen transformierst.

Kurs

Einführung in Regression mit R

MittelSchwierigkeitsgrad
4.8+
1.645 Wiederholungen
4 Std.
Sag die Immobilienpreise und die Klickrate von Anzeigen voraus, indem du Regressionsanalysen in R machst, analysierst und interpretierst.

Kurs

Hypothesentests in Python

MittelSchwierigkeitsgrad
4.7+
3.974 Wiederholungen
4 Std.
Dieser Kurs erklärt, wie und wann du gängige Hypothesentests wie t-Tests, Proportionentests und Chi-Quadrat-Tests in Python anwenden kannst.

Kurs

Stichprobenziehung in Python

MittelSchwierigkeitsgrad
4.7+
4.217 Wiederholungen
4 Std.
Dieser Kurs stellt Zufallsstichprobenverfahren vor und zeigt, wie du mit Python und Statistik aus begrenzten Daten Erkenntnisse gewinnst.

Kurs

Einführung in Statistik mit Google Sheets

BasicSchwierigkeitsgrad
4.8+
694 Wiederholungen
4 Std.
Du erfährst, wie du mit Tabellen statistische Methoden nutzt, um Daten besser zu verarbeiten und Erkenntnisse zu gewinnen.

Kurs

Hypothesentests in R

MittelSchwierigkeitsgrad
4.7+
1.097 Wiederholungen
4 Std.
Hypothesentests in R: t-Tests, Proportionentests und Chi-Quadrat-Tests gezielt einsetzen.

Kurs

Versuchsplanung mit Python

MittelSchwierigkeitsgrad
4.7+
2.054 Wiederholungen
4 Std.
Setze Versuchsanordnungen um und führe robuste statistische Analysen durch, um präzise und gültige Schlussfolgerungen zu ziehen!

Kurs

Zeitreihenanalyse in Python

MittelSchwierigkeitsgrad
4.8+
154 Wiederholungen
4 Std.
In diesem vierstündigen Kurs lernst du die Grundlagen der Analyse von Zeitreihendaten in Python.

Kurs

Stichprobenerhebung in R

MittelSchwierigkeitsgrad
4.7+
953 Wiederholungen
4 Std.
Hier erfährst du, wie du mit weniger Daten genauere Statistiken erhalten kannst.

Kurs

A/B-Tests in Python

MittelSchwierigkeitsgrad
4.7+
432 Wiederholungen
4 Std.
Lerne, mit A/B-Tests in Python Experimente durchzuführen und auszuwerten. p-Werte, Checks und Analysen für fundierte Geschäftsentscheidungen nutzen.

Kurs

Statistical Thinking in Python (Teil 1)

MittelSchwierigkeitsgrad
4.8+
123 Wiederholungen
3 Std.
Leg die Grundlagen, die du brauchst, um statistisch zu denken und die Sprache deiner Daten zu sprechen.

Kurs

Fortgeschrittene Regression in R

MittelSchwierigkeitsgrad
4.7+
868 Wiederholungen
4 Std.
Lerne, wie man lineare und logistische Regression mit mehreren erklärenden Variablen durchführt.

Kurs

Grundlagen der Wahrscheinlichkeit in Python

MittelSchwierigkeitsgrad
4.8+
232 Wiederholungen
5 Std.
Dieser Kurs vermittelt grundlegende Konzepte zu Zufallsvariablen, Mittelwert und Varianz, Wahrscheinlichkeitsverteilungen und mehr.

Kurs

Grundlagen der Inferenz in R

MittelSchwierigkeitsgrad
4.7+
62 Wiederholungen
4 Std.
Wir zeigen dir, wie du mithilfe statistischer Inferenz aus einer Datenstichprobe Schlussfolgerungen über eine Grundgesamtheit ziehen kannst.

Kurs

Lineare Algebra für Data Science in R

MittelSchwierigkeitsgrad
4.7+
159 Wiederholungen
4 Std.
In diesem Einführungskurs in die lineare Algebra lernst du eines der wichtigsten mathematischen Themen der Datenwissenschaft kennen.

Kurs

Statistische Techniken in Tableau

MittelSchwierigkeitsgrad
4.8+
736 Wiederholungen
4 Std.
Bring deine Reporting-Fähigkeiten mit den integrierten Statistikfunktionen von Tableau auf die nächste Stufe.

Kurs

Einstieg in die Netzwerkanalyse mit Python

MittelSchwierigkeitsgrad
4.7+
244 Wiederholungen
4 Std.
In diesem Kurs lernst du, wie du Netzwerke mit der NetworkX-Bibliothek analysieren, visualisieren und verstehen kannst.

Kurs

Modellieren mit Daten im Tidyverse

MittelSchwierigkeitsgrad
4.8+
258 Wiederholungen
4 Std.
Lerne verschiedene Arten der Datenmodellierung, auch für Vorhersagen, sowie lineare Regression und Modellbewertung mit Tidyverse.

Kurs

Einführung in Bioconductor in R

MittelSchwierigkeitsgrad
4.7+
141 Wiederholungen
4 Std.
Lerne, wie man wichtige Bioconductor-Pakete für die Bioinformatik mit Datensätzen von Viren, Pilzen, Menschen und Pflanzen benutzt!

Kurs

Monte-Carlo-Simulationen in Python

MittelSchwierigkeitsgrad
4.8+
190 Wiederholungen
4 Std.
Lerne, wie du mit Python deine eigenen Monte-Carlo-Simulationen entwirfst und durchführst!

Kurs

Bayesianische Datenanalyse in Python

MittelSchwierigkeitsgrad
4.7+
289 Wiederholungen
4 Std.
Lerne alles über die Vorteile der Bayesschen Datenanalyse und probier sie in verschiedenen echten Anwendungsfällen aus!

Kurs

Statistical Thinking in Python (Teil 2)

MittelSchwierigkeitsgrad
4.7+
289 Wiederholungen
4 Std.
Lerne die beiden wichtigsten Aufgaben der statistischen Inferenz: Parameterschätzung und Hypothesentests.

Kurs

Anomalieerkennung mit Python

MittelSchwierigkeitsgrad
4.8+
193 Wiederholungen
4 Std.
Entdecke in diesem vierstündigen Kurs Anomalien in deiner Datenanalyse und erweitere dein Python-Statistik-Toolkit.

Kurs

Zeitreihenanalyse in R

MittelSchwierigkeitsgrad
4.8+
96 Wiederholungen
4 Std.
Dieser Kurs macht dich mit zentralen Techniken vertraut, um aus Zeitreihendaten wichtige Erkenntnisse zu gewinnen.

Ähnliche Ressourcen für Probabilistik und Statistik

Tutorial

T-Tests in R Tutorial: Lernen, wie man T-Tests durchführt

Bestimme mit t.test() in R, ob es einen signifikanten Unterschied zwischen den Mittelwerten der beiden Gruppen gibt.
Abid Ali Awan's photo

Abid Ali Awan

10 Min.

Bist du bereit, deine Fähigkeiten einzusetzen?

Projekte ermöglichen es dir, dein Wissen auf eine breite Palette von Datensätzen anzuwenden, um reale Probleme in deinem Browser zu lösen

    Häufig gestellte Fragen

    Was haben Wahrscheinlichkeitsrechnung und Statistik mit Datenwissenschaft zu tun?

    Wahrscheinlichkeitsrechnung und Statistik sind die Grundlagen der Datenwissenschaft. Sie bieten die notwendigen Werkzeuge und Rahmenbedingungen, um Daten zu analysieren, Vorhersagen zu treffen und sinnvolle Erkenntnisse zu gewinnen. Sie ermöglichen es Datenwissenschaftlern, Muster zu verstehen, Unsicherheiten einzuschätzen und fundierte Entscheidungen auf der Grundlage von Datenanalysen zu treffen.

    Warum ist es wichtig, Kenntnisse in Wahrscheinlichkeitsrechnung und Statistik zu erwerben?

    Die Entwicklung von Kenntnissen in Wahrscheinlichkeitsrechnung und Statistik ist entscheidend für die effektive Interpretation von Daten und zuverlässige Vorhersagen. Dieses Verständnis bildet die Grundlage für die Planung von Experimenten, die Analyse von Ergebnissen und die Validierung von Schlussfolgerungen in verschiedenen Bereichen und stellt sicher, dass Entscheidungen datengestützt und evidenzbasiert sind.

    Welche Berufe kann ich mit Kenntnissen in Wahrscheinlichkeitsrechnung und Statistik ausüben?

    Mit deinen Kenntnissen in Wahrscheinlichkeitsrechnung und Statistik kannst du eine Vielzahl von Berufen ausüben, z. B. Datenwissenschaftler/in, Marktforscher/in, Ingenieur/in für maschinelles Lernen, Statistikanalyst/in und Risikomanager/in. Diese Aufgaben erstrecken sich über verschiedene Branchen, darunter Finanzen, Gesundheitswesen, Technologie und Behörden, in denen die Interpretation von Daten und das Treffen von evidenzbasierten Entscheidungen entscheidend sind.

    Weitere Technologien und Themen

    Technologien

    Themen

    Erweitere deine Datenkompetenzen mit DataCamp for Mobile

    Mach Fortschritte unterwegs – mit unseren mobilen Kursen und den täglichen 5-minütigen Coding-Challenges.

    Download on the App StoreGet it on Google Play