TUM|Stat - Statistikberatung an der TUM

TUM|Stat ist die Statistikberatung der Technischen Universität München (TUM). Wir übernehmen statistische Beratungsleistungen sowohl innerhalb als auch außerhalb der TUM. TUM|Stat besteht seit dem Oktober 2007 und ist angegliedert an die Forschungsgruppe Statistik des Department of Mathematics.

Beratungsservice

Der Beratungsservice ist insbesondere ein Angebot für alle Wissenschaftler*innen und Studierenden der Technischen Universität München, die sich mit folgenden Fragestellungen beschäftigen:

  • Versuchsplanung
  • Datenanalyse
  • Auswahl, Anwendung und Beschreibung von mathematischen und statistischen Methoden

Unser Service

Wir unterstützen Sie bei der Versuchsplanung über die Datenaufbereitung bis hin zur statistischen Analyse des Datenmaterials. Dabei berät TUM|Stat darin, geeignete Analyseverfahren auszuwählen. Falls erforderlich, entwickeln wir neue Verfahren, um den vorliegenden Datensatz auszuwerten. Unser Service unterstützt Sie auch dabei, die gewonnenen Ergebnisse statistisch zu interpretieren.

TUM|Stat bietet verschiedene Formen der statistischen Beratung:

  • einfache mündliche Beratung
  • eine komplette statistische Analyse inklusive der Erstellung eines Abschlussberichts mit detaillierter Beschreibung der statistischen Verfahren (bei externen Anfragen)
  • ein gemeinsames, unter Umständen langfristiges Forschungsprojekt
  • gemeinsam betreute Masterarbeiten und Dissertationen

Statistikberatung für TUM-Angehörige

Zur Anfrage einer TUM-internen Beratung verwenden Sie bitte das Anmeldeformular. Beachten Sie dabei bitte folgende Hinweise. Für die Mitglieder der Departments Preclinical and Clinical Medicine der TUM School of Medicine and Health besteht ein eigener Beratungsservice. Bitte richten Sie daher Ihre Anfragen direkt an den Lehrstuhl für Biostatistik und klinische Epidemiologie (Ansprechpartnerin: Birgit Waschulzik). 

Statistische Beratung für Personen außerhalb der TUM

Für die Beratung von Unternehmen aus der freien Wirtschaft erhebt TUM|Stat eine angemessene Vergütung, deren Höhe individuell festgelegt wird und vom Umfang der Forschungsarbeit abhängt. Senden Sie Anfragen an die E-Mail-Adresse statistical.consulting@tum.de. Interessent*innen der Ludwig-Maximilians-Universität München (LMU) wenden sich bitte an das statistische Beratungslabor STABLAB  der LMU.

Forschungsdatenmanagement

Haben Sie bereits darüber nachgedacht wie Sie mit Ihren Forschungsdaten während und nach dem Ende Ihres Forschungsprojekts umgehen. Dann sind die ersten Schritte zu einem Datenmanagementplan schon gemacht. Wenn Sie weitere Hilfe bei der Erstellung eines Datenmanagementplans brauchen, kann Ihnen der TUM Research Data Hub weiterhelfen.

Insbesondere sollten Sie sich überlegen wie FAIR Ihre Forschungsdaten sind.

TUM|Stat Kurse

TUM|Stat bietet auch Kurse zu Statistik und R an. Einen Überblick finden Sie unter TUM|Stat Kurse.

Statistik-Software

TUM|Stat empfiehlt, die statistische Programmier-Umgebung R zu benutzen. Die Software ist unter der GNU General Public License frei verfügbar. Das Programm RStudio der Firma posit bietet eine integrierte Entwicklungsumgebung. Das posit-Team unterstützt eine Reihe von R packages. Besonders zu empfehlen sind die Pakete knitr und rmarkdown. Beide ermöglichen eine einfache Dokumentation von reproduzierbaren Forschungsergebnissen.

Beachten Sie: Sie können selbstverständlich auch Beratungsanfragen stellen, die sich auf andere Statistikprogramme beziehen. In einem gemeinsamen Termin klären wir, inwieweit TUM|Stat in diesem Fall unterstützen kann.

zu R und in R implementierte statistische Methoden

  1. Bretz, F., Hothorn, T. and Westfall, P. (2010). Multiple Comparisons Using R.  Chapman & Hall/CRC.
  2. Crawley,M.J. (2012). The R Book. Wiley, 2nd edition.
  3. Field, A., Miles, J. and Field, Z. (2012). Discovering Statistics Using R. SAGE Publications.
  4. Gałecki, A.T. and Burzykowski, T. (2013). Linear mixed-effects models using R. Springer.
  5. Hothorn, T. and Everitt, B.S. (2014). A Handbook of Statistical Analyses Using R. Chapman & Hall/CRC Press, 3rd edition.
  6. Wickham, H. (2009). ggplot: Elegant Graphics for Data Analysis. Use R. Springer.
  7. Xie, Y. (2013). Dynamic Documents with R and knitr. Chapman & Hall/CRC.

Viele weitere Titel finden Sie unter Books related to R.