Cursusprogramma 2024

Ondernemers zijn zich er van bewust dat gewerkt wordt voor anderen, en ze stellen zich dienstbaar op. Het aanpassen aan de gewijzigde marktsituatie is een
uitdaging waar vele ondernemers en organisaties voor staan. Het is van belang dat kansen benut en risico’s zoveel als mogelijk vermeden moeten worden. Dat er keuzes gemaakt worden op basis van, soms, weinig beschikbare gegevens.

Wij kunnen u van dienst zijn. Wij bieden u cursussen aan, die de beschikbare gegevens optimaal benutten. Data analyse, en ook statistische analyses maakt het mogelijk om te komen tot modellen. Modellen die u kunt gebruiken om de juiste keuzes te maken.

Onze cursussen in gegevensanalyse en praktische statistiek worden met onze ondersteunende kwaliteitsproducten uitgevoerd.

SPSS Cursus bij Smit Consult

Cursusprogramma IBM SPSS@ 2024

Onderstaand wordt per cursus aangegeven wat er wordt besproken.
Wij maken gebruik van het boek “Basishandboek SPSS” . Het boek bevat een volledig overzicht van de basis mogelijkheden van SPSS.

Het is goed en duidelijk geschreven. Wij hebben er veel vertrouwen in dat als de volledige cursus wordt gevolgd en waarbij dan het gehele boek wordt behandeld, men goed verschillende analyses met SPSS kan uitvoeren.

De kosten zijn : € 1.500,- (ex BTW) per dag voor een cursus aan de medewerkers van een organisatie of instelling. Het aantal personen dat deelneemt aan een cursus is maximaal 8. Bij meer personen kan een tweede cursus worden gegeven.

Van alle cursisten wordt verwacht het basishandboek SPSS aan te schaffen. Wij kunnen dat tevens doen voor de aanvrager. Boeken kunnen worden aangeschaft via de reguliere boekhandel, of anders bij bol.com; de prijs is ongeveer €27,-, inclusief BTW. Alle cursisten ontvangen een certificaat van deelname, indien 2 of meer dagen les is genoten. De cursusleider is Drs. Ing. J.A.C.M. Smit; hij is zelf wiskundige en heeft reeds vele cursussen voor het doen van gegevenspreparatie en —analyse gegeven.

De kosten van de cursus zijn exclusief reis- en verblijfkosten.

De cursus wordt verdeeld over 4 dagen:

Dag 1: Aan de slag met je gegevensbestand (hoofdstuk 1 t/m hoofdstuk 12)

1 DE BASISPRINCIPES VAN SPSS

1.1 Aan de slag met SPSS
1.2 SPSS nader bekeken
1.3 De Data Editor van SPSS
1.4 De Viewer van SPSS
1.5 Een statistische procedure in SPSS
1.6 Wat je nog meer moet weten over SPSS

2 SPSS & STATISTIEK

2.1 Onderzoeksgegevens en statistiek.
2.2 Statistiek en SPSS: de kernbegrippen
2.3 Onderzoeksgegevens in de Data Editor
2.4 Onderzoeksgegevens & meetschalen
2.5 -Meetschalen in SPSS
2.6 Variabelen nader bekeken
3 AAN DE SLAG MET SPSS
4 STATISTISCHE PROCEDURES UITVOEREN MET SPSS

3 AAN DE SLAG MET SPSS

4 STATISTISCHE PROCEDURES UITVOEREN MET SPSS

4.1 De basisprincipes van statistische procedures
4.2 Het kiezen van de gegevens voor een SPSS-opdracht
4.3 Het geven van een SPSS-opdracht
4.4 Werken met variabelen bij een SPSS-opdracht
4.5 Een SPSS-opdracht nader bekeken
4.6 De uitvoer van een SPSS-opdracht

5 DE DATA EDITOR NADER BEKEKEN

5.1 De Data Editor
5.2 De Data View
5.3 De Variabele View
5.4 A Werken in de Data Editor

6 AAN DE SLAG MET JE GEGEVENSBESTAND

6.1 Werken met variabelen
6.2 Het belang van een goed opgezet gegevensbestand
6.3 Werken met variabelen in de Variabele View
6.4 Werken met gegevens in de Data Editor
6.5 Werken met cases in de Data View

7 WERKEN MET VARIABELENDEFINITIES

7.1 Van gegevens naar variabelen
7.2 De onderdelen van de variabelendefinitie
7.3 Variabelennamen
7.4 Variabelentypen
7.5 Aantal posities & aantal decimalen
7.6 Variabelenlabels
7.7 Value labels
7.8 Missing values
7.9 Kolombreedte & uitlijning
7.10 Meetschalen
7.11 Variabelenrollen

8 WERKEN MET DE UITVOER IN DE VIEWER

8.1 Uitvoer in de Viewer.
8.2 Uitvoer in de outline pane — Uitvoer in de contents pane
8.3 Aanwijzen uitvoervenster als Designated Window
8.4 Werken met de onderdelen van de uitvoer.
8.5 Aan de slag met de uitvoer

9 UITVOER & GEGEVENS PRINTEN

10 GEGEVENSBESTAND SORTEREN

11 GEGEVENSBESTAND SPLITSEN

12 EEN SELECTIE VAN CASES MAKEN

12.1 Het maken van een selectie van cases
12.2 Het gegevensbestand na het selecteren
12.3 Selecteren van cases met conditionele expressie
12.4 De conditionele expressie nader bekeken
12.5 Selecteren van cases door middel van aselecte steekproef
12.6 Selecteren van reeks opeenvolgende cases
12.7 Werken met een filtervariabele

Dag 2: Het bewerken van je gegevensbestand (hoofdstuk 13 t/m hoofdstuk 23)

13 CASES WEGEN

14 GEGEVENSBESTANDEN SAMENVOEGEN

1 5 AGGREGEREN VAN GEGEVENS

1 6 BEREKENEN NIEUWE GEGEVENS

16.1 De basisprincipes van berekenen nieuwe gegevens
16.2 Berekenen van nieuwe gegevens met Computer

17 TELLEN VAN GEGEVENS

17.1 Tellen van waarden met Count

1 8 RANGORDENEN VAN CASES

18.1 De basisprincipes van rangordenen
18.2 Cases rangordenen met Rank Cases

1 9 HERCODEREN VAN GEGEVENS

19.1 Hercoderen van variabele
19.2 Data groeperen door hercoderen: werken met klassen
19.3 Watje nog meer moet weten van hercoderen
19.4 Automatische hercodering met Automatic Recode

20 WERKEN MET FUNCTIES

21 WERKEN MET UITVOERTABELLEN

21.1 Aan de slag met uitvoertabellen
21.2 De onderdelen van een uitvoertabel

22 WERKEN MET DRAAITABELLEN

22.1 Aan de slag met draaitabellen
22.2 Draaitabellen draaien in de Pivoting Trays

23 GRAFIEKEN IN SPSS

23.1 Aan de slag met grafieken in SPSS
23.2 Grafieken maken
23.3 Grafieken als uitvoer — Grafiektypen in SPSS

Dag 3: Inzicht verkrijgen van jegegevensbestand hoofdstuk 24 t/m hoofdstuk 33

24 WERKEN MET GRAFIEKEN

24.1 Werken met staafdiagrammen
24.2 Werken met histogrammen
24.3 Werken met lijndiagrammen
24.4 Werken met spreidingsdiagrammen

25 GRAFIEKEN BEWERKEN

26 STATISTISCHE KERNBEGRIPPEN

26.1 Beschrijvende statistiek & inductieve statistiek
26.2 Kernbegrippen van de beschrijvende statistiek
26.3 Kernbegrippen van de inductieve statistiek
26.4 De normale verdeling
26.5 Statistische toetsing en de nulhypothese

27 FREQUENTIETABELLEN & STATISTISCHE MATEN

27.1 Werken met frequentietabellen
27.2 Het maken van een frequentietabel
27.3 De frequentietabel nader bekeken
27.4 De statistische maten nader bekeken

28 SUMMARIES & STATISTISCHE MATEN

28.1 Werken met samenvattingen (summaries)

29 STATISTISCHE MATEN Z-SCORES

29.1 Statistische maten berekenen van interval/ratio variabelen
29.2 Standaardiseren van variabele: berekenen z-score

30 GROEPEN VERGELIJKEN

30.1 Groepen maken & gemiddelden vergelijken
30.2 Groepen en gemiddelden in de praktijk

31 GEGEVENS EXPLOREREN

1.1 Het exploreren van een variabele
1.2 De Explore-uitvoer (l): de tabel Descriptives
1.3 De Explore-uitvoer (II): het stem-and-leaf diagram
1.4 De Explore-uitvoer (III): de boxplot
1.5 Extra uitvoer bij de Explore-opdracht
1.6 Onderzoeken of een variabele normaal is verdeeld met Explore

2 WERKEN MET KRUISTABELLEN

2.1 De basisprincipes van kruistabellen
2.2 Het maken van een kruistabel
2.3 Kruistabel met verwachte celfrequenties, percentages & residuen

3 DE CHI-KWADRAATTOETS

3.1 De Chi-kwadraattoets

31. I Het exploreren van een variabele
    31.2 De Explore-uitvoer (l): de tabel Descriptives
    31.3 De Explore-uitvoer (II): het stem-and-leaf diagram
    31.4 De Explore-uitvoer (III): de boxplot
    31.5 Extra uitvoer bij de Explore-opdracht
    31.6 Onderzoeken of een variabele normaal is verdeeld met Explore
    32 WERKEN MET KRUISTABELLEN
    32.1 De basisprincipes van kruistabellen
    32.2 Het maken van een kruistabel
    32.3 Kruistabel met verwachte celfrequenties, percentages & residuen
    33 DE CHI-KWADRAATTOETS
    33.1 De Chi-kwadraattoets

Dag 4: Het maken van de eerste modellen van je gegevens hoofdstuk 34 t/ m hoofdstuk 43

34 WERKEN MET ASSOCIATIEMATEN

34.1 Sterkte van verband bepalen met associatiematen
34.2 Nominale associatiematen gebaseerd op Chi-kwadraat
34.3 Nominale associatiematen gebaseerd op foutenreductie
34.4 Ordinale associatiematen
34.5 Overige associatiematen

35 T-TOETSEN OP GEMIDDELDEN

35.1 Het gebruik van de t-toets
35.2 T-toets voor één steekproef
35.3 T-toets voor twee onafhankelijke steekproeven
35.4 T-toets voor gepaarde steekproeven

36 VARIANTIE-ANALYSE

36.1 De basisprincipes van variantie-analyse
36.2 Variantie-analyse met één factor (ANOVA)
36.3 Toets op homogeniteit van varianties
36.4 Vergelijken van groepen met Post Hoc Multiple Comparisons
36.5 Variantie-analyse met meerdere factoren
36.6 Groepsgemiddelden berekenen & plotten

37 CORRELATIE MET SPSS

37.1 De basisprincipes van correlatie
37.2 Correlatiecoëfficiënt berekenen
37.3 Rangcorrelatiecoëfficiënt berekenen
37.4 Partiële correlatie

38 ENKELVOUDIGE LINEAIRE REGRESSIE

38.1 De basisprincipes van enkelvoudige lineaire regressie
38.2 De opdracht voor enkelvoudige lineaire regressie
38.3 Enkelvoudige lineaire regressie: de uitvoer nader bekeken

39 MULTIPELE LINEAIRE REGRESSIE

39.1 De basisprincipes van multipele lineaire regressie
39.2 Multipele lineaire regressie: standaard methode
39.3 Multipele lineaire regressie: stapsgewijze methoden
39.4 Multipele lineaire regressie: werken met dummies

40 LINEAIRE REGRESSIE: RESIDUEN & OUTLIERS

40.1 Controle vooronderstellingen regressie
40.2 Residuen & outliers onder de loep
40.3 Cases met uitzonderlijke waarden

41 LINEAIRE REGRESSIE: VERDERE OPTIES

42 LOGISTISCHE REGRESSIE

42.1 De basisprincipes van logistische regressie
42.2 Logistische regressie nader bekeken
42.3 Logistische regressie met SPSS: een voorbeeld
42.4 Uitvoer logistische regressie nader bekeken
42.5 Logistische regressie met categorische variabelen
42.6 Extra opties logistische regressie

43 NIET-PARAMETRISCHE TOETSEN

43.1 Werken met niet-parametrische toetsen
43.2 Niet-parametrische toetsen in SPSS: een overzicht
43.3 Niet-parametrische toetsen in de praktijk
43.4 De Chi-kwadraat goodness-of-fit toets
43.5 De binomiale toets
43.6 De Runs toets op onafhankelijkheid
43.7 De Kolmogorov-Smirnov goodness-of-fit toets
43.8 De Mann-Whitney toets
43.9 De Kruskal-Wallis toets
43.10 De Wilcoxon toets

Cursusprogramma STATGRAPHICS 2024

Elke cursus heeft de duur van 1 dag en kan op locatie worden gegeven. Cursusdata in overleg. Vraag ons naar de mogelijkheden.

Introduction:

Data Management
Spreadsheet Data Editor
Assigning Column Names and Types
Entering the Data
Saving and Printing a Data File
DataBook Properties
Importing Data from Other Programs
Querying Databases

Running Statistical Procedures
Data Input Dialog Boxes
Analysis Windows
Analysis Options and Pane Options
Printing Analysis Windows
Page Setup
Using the StatAdvisor
Copying Tables and Graphs to Word and PowerPoint
Using the StatReporter
Selecting Analyses with the StatWizard
Using SnapStats
Manipulating Data
Expressions and Transformations
Data Generators
Sorting Data
Recoding Data
Using StatFolios
Saving Your Session
Loading Saved StatFolios
Start-Up Scripts
StatPublish
Polling Data
Setting System Preferences

Graphics Operations
Changing the Graph Size and Position
Changing Background Colors
Changing Titles and Axis Scaling
Modifying Points and Lines
Setting a New Default Profile
Adding Text
Point Identification
Brushing a Scatterplot
Jittering Points
Smoothing a Scatterplot
Excluding Points
3-D Rotations
Using the StatGallery

Statistics

One Sample Analysis
Summary Statistics
Frequency Tabulations
Frequency Histograms
Percentiles
Quantile Plot
Normal Probability Plot
Stem-and-Leaf Display
Box-and-Whisker Plot
Confidence Intervals
Hypothesis Tests
Testing for Outliers
Distribution Fitting
Tests for Normality
Selecting Alternative Distributions
Goodness-of-Fit TestsTail Areas
Critical Values
Transforming Data to Achieve Normality
Comparing Two Samples
Comparison of Standard Deviations
Comparison of Means
Comparison of Medians
Multiple Box-and-Whisker Plots
Quantile-Quantile Plots
Paired Sample Comparisons
Analysis of Attribute Data
Tabulation
Barcharts and Piecharts
Crosstabulation
Mosaic Plots and Skycharts
Contingency Tables
Tests for Association
Comparing Multiple SamplesSummary Statistics
ANOVA Table
Means Table
Means Plot
Multiple Range Tests
Variance Check
Residual Plots
Curve Fitting
Fitting a Straight Line
Plotting the Fitted Model
Regression Statistics
Lack-of-Fit Tests
Selecting a Nonlinear Model
Analyzing Residuals
Multiple Regression
Model Specification
Regression Analysis Table
Stepwise Variable Selection

Fundamentals of Statistical Process Control

This module covers the use of STATGRAPHICS for basic SPC (Statistical Process
Control).
Outline: Pareto Analysis
The Pareto Principle
Pareto Charts
Combining Small Classes
Process Capability Analysis for Variables
Selecting the Proper Distribution
Estimating DPMO
Estimating Capability Indices
Calculating the Sigma Quality Level
Non-Normal Capability Indices
Using Tolerance Limits to Set Specifications
Basic Control Charts

Variables Charts for Subgroup Data
Variables Charts for Individuals Data
Attributes Control Charts
Control Charts for Non-Normal Data
Repeatability and Reproducibility Studies
Setting up a Standard Variables Study
Estimating Repeatability and Reproducibility
Average and Range Method vs ANOVA Method
Short Studies.

Advanced Statistical Process ControlThis module continues the discussion of using STATGRAPHICS for SPC.
Outline:
Process Capability Analysis for Attributes
Defects (binomial and hypergeometric)
Defects per Unit (Poisson and negative binomial)

Gage Linearity and Accuracy
Setting up a Standard Study
Estimating Bias
Estimating Linearity
Gage Studies for Attributes
Risk Analysis Method
Analytic Method
Signal Theory Method
Advanced Control Charts
Moving Average, EWMA and CuSum Charts
Multivariate Control Charts
ARIMA Charts for Autocorrelated Data
Toolwear Charts for Trending Data
Acceptance Control Charts for High Cpk Processes
Using CuScore Charts to Detect Specific Signals

Introduction to Design of Experiments Using STATGRAPHICS

This module introduces users to the use of STATGRAPHICS for DOE (Design of
Experiments).
Outline:
Constructing an Experimental Design
Selecting the Types of Designs
Specifying the Experimental Factors
Specifying the Response Variables
Selecting the Proper Designs
Adding Centerpoints
Blocking and Randomization
Analyzing an Experimental Design
Model Specification
Standardized Pareto Chart
ANOVA Table
Normal and Half-Normal Plots
Excluding Effects

Main Effects Plots
Interaction Plots
Contour and Surface Plots
Augmenting Designs
Adding Additional Fractions
Adding Star Points
Collapsing Designs
Following the Path of Steepest Ascent
Optimization Experiments
Central Composite and Box-Behnken Designs
Finding Optimal Settings of the Experimental Factors

Further Topics in Design of Experiments

This module continues the discussion of using STATGRAPHICS for DOE.
Outline:
Mixture Experiments
Mixture Models
Simplex-Lattice and Simplex-Centroid Designs
Extreme Vertices Designs
Analyzing Mixture Experiments
Multiple Response Optimization
Constructing Desirability Functions
Generating Overlay Plots
D-Optimal Designs
Generating Candidate Runs
Selecting the Optimal Subset
Using D-Optimal Designs to Fix Botched Experiments

Designs with Inner and Outer Arrays
Robust Operating Conditions
Control Variables and Noise Variables
Selecting Orthogonal Arrays
Using Taguchi’s Signal-to-Noise Ratios