Courses

Cursusprogramma 2023

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. Zo zijn de bedrijfsgegevens verkregen uit de bedrijfsdatabase, maar ook door de marktgegevens daaraan te koppelen. Productgegevens kunnen verkregen zijn via het doen van experimenten, maar ook van bestaande productieprocesbestanden. Aan de analyse van deze gegevens kunnen wij een positieve bijdrage leveren.

Het is van belang producten te maken, die robuust zijn, die lang mee kunnen gaan. Die gemaakt worden in een productieproces met weinig uitval. Of diensten aan te bieden die voldoen aan de wensen van uw klanten.

Keuzes worden gemaakt waarbij betrouwbare en beschikbare informatie goed op waarde wordt beoordeeld. Het helpt als u daarbij een model heeft van deze informatie.

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.

Het aanbod

SPSS Cursus bij Smit Consult

Cursusprogramma IBM SPSS® 2023

Onderstaand wordt per cursus aangegeven wat er wordt besproken.

Wij maken gebruik van het boek “Basishandboek SPSS 24” . 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 cursus wordt verdeeld over 4 dagen:

• Dag 1: Aan de slag met je gegevensbestand (hoofdstuk 1 t/m hoofdstuk 13)
• Dag 2: Het bewerken van je gegevensbestand (hoofdstuk 13 t/m hoofdstuk 23)
• Dag 3: Inzicht verkrijgen van je gegevensbestand (hoofdstuk 24 t/m hoofdstuk 34)
• Dag 4: Het maken van een model van je gegevens (hoofdstuk 35 t/m hoofdstuk 43)

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.

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
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 en bekijken van je gegevensbestand hoofdstuk 13 t/m hoofdstuk 21

13 CASES WEGEN

14 GEGEVENSBESTANDEN SAMENVOEGEN

15 AGGREGEREN VAN GEGEVENS

16 BEREKENEN NIEUWE GEGEVENS
16.1 De basisprincipes van berekenen nieuwe gegevens
16.2 Berekenen van nieuwe gegevens met Compute

17 TELLEN VAN GEGEVENS
17.1 Tellen van waarden met Count

18 RANGORDENEN VAN CASES
18.1 De basisprincipes van rangordenen
18.2 Cases rangordenen met Rank Cases

19 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 je gegevensbestand 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
31.1 Het exploreren van een variabele
31.2 De Explore-uitvoer (I): 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 2023

Onderstaand wordt per cursus aangegeven wat er wordt besproken.

• Introductie
• Statistics
• Fundamentals of Statistical Process Control
• Advanced Statistical Process Control
• Introduction to Design of Experiments Using STATGRAPHICS
• Further Topics in Design of Experiments

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 Tests
Tail 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 Samples

Summary 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 Control

This 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