4506564: C12_Statistik

zurück zur Übersicht
Semester:SS 18
Art:Modul
Sprache:Deutsch
ECTS-Credits:6.0
Plansemester:2
Lektionen / Semester:60.0 L / 45.0 h
Selbststudium:135.0 h

Modulleitung/Dozierende

Studiengang

Bachelorstudiengang Betriebswirtschaftslehre (01.09.2012)

Lehrveranstaltungen

Beschreibung

Beschreibende Statistik mit Kennzahlen (Lagemasse, Streuungsmasse, Zusammenhangsmasse) und graphischen Darstellungen (Stamm-Blatt-, Stab-, Balken-, Streudiagramme, Histogramme, Box-Plot) für uni- und bivariate Daten und einfache lineare Regression (Prinzip der kleinsten Quadrate, ANOVA-Tabelle, R^2-Koeffizient, Standardfehler der Residuen, Tukey-Anscombe-Plot)
Wahrscheinlichkeitsrechnung (Definition eines Wahrscheinlichkeitsraumes, Additionssätze, Laplace-Modelle, Kombinatorik, Pfadregeln, Satz von Bayes, Zufallsvariablen und ihre Verteilungen, Lage- und Streuungsmasse sowie Schiefe und Kurtosis, Rechenregeln für Erwartungswert und Varianz, Binomial-, Normal-, t-, Chi-Quadrat-, F-Verteilung, Grenzwertsätze)
Schliessende Statistik (Grundlagen des Testens von Hypothesen mit Hypothesen, Fehler 1. Art, Fehler 2. Art, Teststatistik, Entscheidungsregel, p-Wert, Anwendungen zu Binomial-, t- und F-Tests, Punkt- und Intervallschätzungen für Mittelwerte und Wahrscheinlichkeiten)

Kompetenzen

    • wissen, welche Rolle Quantile, Varianzen bzw. Standardabweichungen und Korrelationen bei der Messung von Risiken spielen.
    • kennen die Axiome eines diskreten Wahrscheinlichkeitsraumes.
    • kennen die wichtigsten Verteilungen und ihre Eigenschaften.
    • kennen die Bedeutung der wichtigsten Grenzwertsätze - insbesondere des zentralen Grenzwertsatzes.
    • können uni- und bivariate Daten dem Skalenniveau entsprechend durch Kennzahlen und graphische Darstellungen beschreiben.
    • können die Bedeutung der Axiome eines diskreten Wahrscheinlichkeitsraumes bei der Modellierung eines Zufallsexperimentes erläutern.
    • können die Bedeutung einer Wahrscheinlichkeit an Hand des Gesetzes der grossen Zahlen im Sinne einer relativen Häufigkeit deuten.
    • können erläutern, wann und warum welche Verteilung zur Modellierung einer wirtschaftlichen Situation herangezogen werden kann.
    • können die Grundidee beim Testen von Hypothesen erläutern und die möglichen Fehlerquellen benennen.
    • können die Grundideen der wichtigsten Tests erläutern.
    • können das Vorgehen zur Berechnung der kritischen Werte beim Binomialtest und der Höhe des Fehlers eingehend erläutern.
    • können die Bedeutung von Konfidenzintervallen darlegen und ihren Zusammenhang mit dem Testen von Hypothesen aufzeigen.
    • können das Prinzip der kleinsten Quadrate einsetzen, um eine Regressionsanpassung auszuführen.
    • können eine einfache lineare Regression ausführen und die einhergehende ANOVA-Tabelle sowie Residuenplots erstellen.
    • können Wahrscheinlichkeiten an Hand der Additionssätze, der Pfadregeln und mit kombinatorischen Mitteln berechnen.
    • können im Zusammenhang mit dem Satz von Bayes die einhergehenden Resultate Fachpersonen und Laien korrekt verdeutlichen.
    • können diese (wichtigsten) Grenzwertsätze zur Approximation von Verteilungen und Wahrscheinlichkeiten einsetzen.
    • können die Rechenregeln für Erwartungswerte und Varianzen korrekt anwenden und ihre Bedeutung im Zusammenhang mit der Risikobewertung erläutern.
    • können die kritischen Werte beim Binomialtest und die daraus resultierende Höhe des Fehlers zweiter Art berechnen.
    • können die einhergehenden Teststatistiken der wichtigsten Tests berechnen, die kritischen Werte aus den üblichen Tabellen ablesen und das Ergebnis in korrekter Weise formulieren.
    • können in den wichtigsten Situationen Konfindenzintervalle an Hand der korrekt zu Grunde gelegten Verteilung berechnen und ihre Bedeutung im Sinne der Schliessenden Statistik korrekt deuten.
    • können Kennzahlen wie Quantile, Varianzen bzw. Standardabweichungen, Korrelationen, Schiefe und Kurtosis korrekt deuten sowie ihre Vor- und Nachteile erläutern.
    • setzen das Fachvokabular zur Beschreibung statistischer Graphiken korrekt ein und berücksichtigen bei der Interpretation von so aufbereitetem Datenmaterial die Vor- und Nachteile der zusammenfassenden Darstellungsarten.
    • können beurteilen, wie gewonnene Resultate zu interpretieren sind, welche Schlussfolgerungen aus Daten mit welcher Sicherheit gezogen werden dürfen, wie statistische Aussagen zu formulieren und zu bewerten sind, wann welche statistische Methode mit welchen Vor- und Nachteilen eingesetzt werden kann und wie statistische Konzepte zur Messung von Risiken beitragen.
    • können die Ergebnisse der linearen Regression in Bezug auf ihre Relevanz korrekt einordnen.
    • können die Resultate beim Testen von Hypothesen in Bezug auf den Grad ihrer Sicherheit bzw. Unsicherheit korrekt deuten bzw. beurteilen.
    • kennen die zentralen statistischen Techniken, welche in vielen wirtschaftlichen Anwendungen eingesetzt werden.
    • verstehen die Bedeutung statistischer Fachbegriffe.
    • können die behandelten Konzepte zielgerichtet anwenden, die so gewonnenen Resultate im Kontext deuten und statistische Aussagen korrekt formulieren.
    • setzen einfache Grundbefehle der Software R ein, um Daten graphisch und numerisch zu analysieren.
    • üben, Lern- und Arbeitstechniken auf abstrakte Inhalte anzuwenden, so dass sie an die selbstständige Erarbeitung von Wissen aus wissenschaftlichen Publikationen herangeführt werden.
    • analysieren Daten, um wirtschaftlich relevante Entscheidungen zu begründen.
    • können wirtschaftliche Situationen mit Hilfe wahrscheinlichkeitstheoretischer Methoden analysieren.
    • können die Aussagekraft statistischer, wahrscheinlichkeitstheoretischer Resultate im Zusammenhang mit der Planung wirtschaftlicher Tätigkeiten kritisch prüfen.
    • argumentieren in ihren Aussagen präzise und rational.
    • bauen Fähigkeiten auf, in einem wissenschaftlichen Umfeld rational zu argumentieren.
    • können die Relevanz statistischer Ergebnisse kritisch hinterfragen.
    • beurteilen Argumente kritisch in Bezug auf deren Stichhaltigkeit.
    • ordnen die (Un-) Sicherheiten statistischer Aussagen korrekt ein.
    • arbeiten zum Beispiel beim Lösen von Hausaufgaben oder bei der Vorbereitung auf die Modulschlussprüfung zusammen.
    • formulieren die Erkenntnisse aus der Analyse empirischer Daten mit dem bereitgestellten Fachvokabular, um den Grad der (Un-) Sicherheit der Schlussfolgerung korrekt widerzugeben.
    • sind in der Lage, in einem wissenschaftlichen Umfeld rational und kontrovers zu argumentieren, sowie verschiedene Perspektiven zu beziehen.
    • verinnerlichen den Einsatz üblicher Lern- und Arbeitstechniken auf abstrakte Inhalte, um sich Wissen selbstständig zu erarbeiten.

Voraussetzungen (inhaltlich)

Elementare Algebra (Terme, (Systeme von) Gleichungen und Ungleichungen, Funktionen),
Differentialrechnung, Elementargeometrie (Satz von Pythagoras, trigonometrische Grundfunktionen, Sinus- und Cosinussatz), Vektorgeometrie (Linearkombinationen, Skalarprodukt, Darstellungen von Geraden und Ebenen)