Statistik-Nachhilfe für: Psychologische Hochschule Berlin Psychologie

Seit Jahren bereiten wir erfolgreich Psychologie Student*innen der PHB auf ihre Klausuren in Statistik 1 und Statistik 2 vor. Wir kennen die Besonderheiten, Schwierigkeiten und Stolpersteine der Klausuren von Professor Dr. Jana Holtmann und wissen, was nötig ist, um sie zu bestehen.

Die Besonderheiten und Themen dieses Kurses findest du hier ↓

Klausurtermine:

  • Statistik I: März 2023
    Statistik II: Juli

Dozent:

Professor Dr. Jan Holtmann

So läuft’s

  • 2 Stündige Seminare
  • maximal 5 Lernende
  • Präsenz oder Online
  • ab 24 € pro Seminar

mehr dazu ↓

Möchtest du teilnehmen?

Dann melde dich bei uns, damit wir gemeinsam schauen können, ob es aktuell Lerngruppen gibt und welche zu dir passt.

Chatte mit Tilo über WhatsApp

Wenn der Button bei dir nicht funktioniert kannst du auch an unsere Nummer schreiben: 0177 / 6687611

Schreibe uns eine Nachricht

    So läuft’s

    2-stündige Seminare

    • klar abgesteckte Lernthemen
    • nur die nötige Theorie
    • viele praktischen Beispiele
    • Aufgaben aus Altklausuren
    • einfache Rezepte und Übersichten

    maximal 5 Lernende

    • kleine Lerngruppen
    • alle schreiben dieselbe Klausur
    • Termine werden gemeinsam abgestimmt
    • du entscheidest von Termin zu Termin, ob du dabei bist

    Präsenz oder Online

    • zusätzliches Online-Training
    • zusätzliche Begleitung zwischen den Seminaren
    • auf Wunsch werden Seminare aufgezeichnet

    Ab 24 € pro Seminar

    • Preise richten sich nach Gruppengröße
    • dich bindet kein Vertrag
    • du zahlst nur für Seminare, an denen du teilnimmst

    Besonderheiten und Themen

    Dieser Kurs bereitet dich genau auf die besonderen Schwierigkeiten und Stolpersteine deiner Klausur.


    Statistik I

    Klausurvorbereitung

    Im statistischen Teil deiner Klausur berechnest du in den beiden ersten Aufgaben Lage-, Streuungs- und Zusammenhangsmaße. Die dafür nötigen Schritte trainieren wir mit Hilfe einer klaren Übersicht und mit einfachen Rezepten, damit du schnell und sicher erkennst, welches das geeignete Maß ist, es fehlerfrei und schnell berechnest und vor allem so interpretierst, wie es Professor Holtmann von dir lesen will.

    Das theoretisch anspruchsvollste Thema der Klausur ist die multiple Regression. Neben den nötigen Berechnungen (Aufstellen der Regressionsgleichungen – Berechnen des Determinationskoeffizienten – Bestimmung und Interpretation der Nützlichkeit eines Prädiktors) möchte Professor Holtmann in der Klausur dein theoretisches Verständnis überprüfen. Es gibt zwar einige theoretische Sätze, die du dafür sogar auswendig lernen kannst, aber es wird auch nötig sein, „um die Ecke zu denken“ und bei einem neu gestellten Problem eine selbstständige Lösungen zu finden.

    Wenn du kein (großer) Mathecrack bist, dann ist die Wahrscheinlichkeitsrechnung vermutlich die größte Herausforderung. Es kommt darauf an, dass du in den oft schwierigen Formulierungen die Schlüsselwörter heraus liest, damit du das richtige Modell anwendest. Wir trainieren mit dir zu erkennen, welche Schubladen du jeweils ziehen musst. Das Rechen ist dann kein großes Problem mehr.

    Kurz vor der Klausur bieten wir dir ein kompaktes R-Training. Dieser R- Teil enthält nur wenige Berechnungen. Es wird geprüft, wie gut du die Grundlagen des Programmes kennst und zum Beispiel den Unterschied von Faktor und numerischer Variablen verstehst. In vielen Klausuraufgaben üben wir mit dir die Grundfertigkeiten in R (Importieren von Daten – Umcodieren einer Variablen – ..) Für das Training brauchst du keine Voraussetzungen, es ist auch nicht wichtig, ob du schon mit dem Programm arbeiten kannst.

    Themenübersicht

    • Lage- & Streuungsmaße
      Gundbegriffe, Transformationen, Relationen, Quantile, Boxplot, Mittelwerte, Varianz, Histogramme, z Standardisierung, Schiefe
    • Zusammenhangsmaße
      Kovarianz, Korrelation, Kendalls Ƭ, ɣ Koeffizient, Kreuztabellen, X² Koeffizient, Cramers V, Yules Q, Odds Ratio, ȹ Koeffizient
    • Korrelation & Regression
      Theorie der Korrelation, Regressionskoeffizienten, Methode der kleinsten Quadrate, Varianzzerlegung, Varianzaufklärung, Residuen, Partialkorrelation
    • Multiple Regression
      Modell, Output SPSS, standardisierte Koeffizienten, multiple Korrelation, Partialregressionsgewichte, Modellvergleich, Nützlichkeit eines Prädiktors
    • Wahrscheinlichkeitsrechnung
      bedingte Wahrscheinlichkeiten, Satz von Bayes, Baumdiagramme, Normalverteilung, Binomialverteilung, Exponentialverteilung, Kombinatorik
    • Klausurtraining und Training für den R-Teil


    Statistik II

    Klausurvorbereitung

    Der statistische Teil deiner Klausur in Statistik II hat mehr Einzelthemen als in Statistik I. Dafür haben die Themen aber viel mehr Gemeinsamkeiten, wodurch du schnell einen Überblick bekommen wirst. Es geht in allen Aufgaben um das Testen und Schätzen. Gleich zu Beginn des Kurses lernst du den Entscheidungsbaum kennen, mit dem du immer schnell entscheiden kannst, welches statistische Verfahren das richtige ist. Außerdem trainierst du den Testaufbau. Hast du diesen einmal verstanden, dann kommst du mit fast allen Aufgaben zurecht. Zwar haben die vielen Tests jeweils ihre Besonderheiten, aber der Grund-Testaufbau ist immer gleich.

    Auf einige Tests, kannst du dich gut vorbereiten, denn diese sind schnell und eindeutig erkennbar und sie haben nur wenige Varianten. Da diese Tests immer viele Punkte bringen, legen wir viel Wert darauf, dass du diese Punkte sicher bekommst. Der einfache t-Test und z-Test wird zwar selten in der Klausur gerechnet, aber diese Tests haben viele abgeleitet Aufgabentypen: das KI um Mittelwert oder cohens d, die Apriori-Poweranalyse, die Bestimmung des p-Wertes oder des beta-Fehlers. Diese Themen ziehen sich bis zum abschließenden Training durch, denn das sind die anspruchvollsten Aufgaben, die du immer wieder üben wirst.

    Natürlich übst du mit uns alle Varianten der Varianzanalyse, die du für die Klausur brauchst, gerade zu den Kontrasten gibt es viele verschiedene kleine Teilaufgaben.

    Die Regressionsanalyse baut auf Statistik 1 auf. Wir wiederholen das nötige Wissen aus Statistik I und lernen mit einer sehr klaren Übersicht die 6 Tests, die du können musst.

    Kurz vor der Klausur bieten wir dir ein kompaktes R-Training.

    Themenübersicht

    • Testaufbau und t Test

    Entscheidungsbaum, Regeln für Hypothesen, Einstichproben t Test, t Test für unabhängige Stichproben, Cohens Delta, Freiheitsgrade, Signifikanz und Relevanz, ß Fehler und Teststärke, optimale Stichprobengröße

    • Einfaktorielle Varianzanalyse

    t Test für abhängige Stichproben, Alpha Fehler Korrektur , post hoc Test, Quadratsummenzerlegung, Bestimmung der Anova Tabelle, Eta Quadrat, Anova mit Messwiederholung

    • Kontrastanalyse

    Kontraste als post hoc Analyse, Kontrasthypothesen, Aufstellen von Kontrasten, Kontrastanalyse, Interpretation des numerischen Wertes, orthogonale Kontraste, Bedeutung von Kontrasten, Paarvergleiche, Tukey und Dunnett Test

    • Zweifaktorielle Varianzanalyse

    Quadratsummerzerlegung, “Mittelwertskasten”, Haupteffekte und Interaktionseffekte, Liniendiagramme, Interaktionsarten, Effektgrößen, konkrete Effekte

    • Multiple Regression
    1. Wiederholung einfache Regression, Nützlichkeit und Semipartialkorrelation, Korrelationstest, Test auf multiple Korrelation, Test der Partialregressionsgewichte, Modellvergleich, Outputs zur multiplen Regression
    • Klausurtraining und Training für den R- Teil

    Möchtest du teilnehmen?

    Dann melde dich bei uns, damit wir gemeinsam schauen können, ob es aktuell Lerngruppen gibt und welche zu dir passt.