Homeall Events

5310780: C21_Statistics

back to overview
Semester:SS 22
Type:Module
Language:German
ECTS-Credits:6.0
Scheduled in semester:2
Semester Hours per Week / Contact Hours:60.0 L / 45.0 h
Self-directed study time:135.0 h

Module coordination/Lecturers

Curricula

Bachelor's degree programme in Business Administration (01.09.2021)

Description

  • Beschreibende Statistik
  • Häufigkeitsverteilungen (Aufbereitung qualitativer und quantitativer Daten)
  • Kennzahlen für uni- und bivariate Daten (Lage-, Streuungs-, Konzentrations- und Zusammenhangsmaße)
  • Graphische Darstellungen (Stab-, Balken-, Streudiagramme, Histogramme, Box-Plot)

  • Wahrscheinlichkeitsrechnung
  • Wahrscheinlichkeitsraum und Additionssätze für Wahrscheinlichkeiten
  • Bedingte Wahrscheinlichkeiten (Pfadregeln, Satz von Bayes, Unabhängigkeit von Ereignissen)
  • Zufallsvariablen und ihre Verteilungen, Lage- und Streuungsmaße sowie Schiefe und Kurtosis (Binomial-, Poisson-, Normal-, Exponential-, Student-t-, Chi-Quadrat-, F-Verteilung & zugehörige Grenzwertsätze)
  • Unabhängigkeit von Zufallsvariablen und Rechenregeln für Erwartungswert und Varianz

  • Induktive Statistik
  • Punkt- und Intervallschätzungen für Mittelwert, Varianz und Wahrscheinlichkeiten
  • Grundlagen des Testens von Hypothesen über Mittelwerte und Mittelwertdifferenzen
  • (Teststatistik, Fehler 1. Art, Fehler 2. Art, Entscheidungsregeln)
  • Chi-Quadrat Test auf Unabhängigkeit zweier Zufallsvariablen

  • Einfache lineare Regression
  • Prinzip der kleinsten Quadrate
  • Standardfehler der Residuen
  • R^2-Koeffizient
  • Überprüfung der Modellannahmen (Tukey-Anscombe-Plot; Q-Q-Plot)
  • Varianzanalyse (ANOVA-Tabelle)

Qualifications

    • können uni- und bivariate Daten dem Skalenniveau entsprechend durch Kennzahlen und graphische Darstellungen beschreiben.
    • setzen das Fachvokabular zur Beschreibung statistischer Graphiken korrekt ein und können die Vor- und Nachteile der zusammenfassenden Darstellungsarten benennen.
    • können statistische Kennzahlen (z.B. Lage- und Streuungsmasse) korrekt deuten sowie ihre Vor- und Nachteile erläutern.
    • kennen die Axiome eines diskreten Wahrscheinlichkeitsraumes.
    • können die Bedeutung der Axiome eines diskreten Wahrscheinlichkeitsraumes bei der Modellierung eines Zufallsexperimentes erläutern.
    • können Wahrscheinlichkeiten anhand der Additionssätze, der Pfadregeln und mit kombinatorischen Mitteln berechnen.
    • können im Zusammenhang mit dem Satz von Bayes die einhergehenden Resultate korrekt beschrieben.
    • kennen die wichtigsten Verteilungen und ihre Eigenschaften.
    • können erläutern, wann und warum welche Verteilung zur Modellierung einer wirtschaftlichen Situation herangezogen werden kann.
    • kennen die Bedeutung der wichtigsten Grenzwertsätze - insbesondere des zentralen Grenzwertsatzes.
    • können diese (wichtigsten) Grenzwertsätze zur Approximation von Verteilungen und Wahrscheinlichkeiten einsetzen.
    • können die Rechenregeln für Erwartungswerte und Varianzen korrekt anwenden.
    • können die Bedeutung von Konfidenzintervallen darlegen und ihren Zusammenhang mit dem Testen von Hypothesen aufzeigen.
    • können in den wichtigsten Situationen Konfidenzintervalle anhand der korrekt zu Grunde gelegten Verteilung berechnen und ihre Bedeutung im Sinne der schliessenden Statistik korrekt deuten.
    • können die Grundidee beim Testen von Hypothesen erläutern und die möglichen Fehlerquellen benennen.
    • können die Grundideen der wichtigsten Tests erläutern.
    • können die einhergehenden Teststatistiken der wichtigsten Tests berechnen, die kritischen Werte aus den üblichen Tabellen ablesen und das Ergebnis in korrekter Weise formulieren.
    • können die Resultate beim Testen von Hypothesen in Bezug auf den Grad ihrer Sicherheit bzw. Unsicherheit korrekt deuten bzw. beurteilen.
    • können eine einfache lineare Regression ausführen und die einhergehende ANOVA-Tabelle sowie Residuenplots erstellen und interpretieren.
    • können die Ergebnisse der linearen Regression in Bezug auf ihre Relevanz korrekt einordnen.
    • 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.
    • analysieren Daten, um wirtschaftlich relevante Entscheidungen zu begründen.
    • können wirtschaftliche Situationen mit Hilfe wahrscheinlichkeitstheoretischer Methoden analysieren.
    • können Lernmaterialien organisieren und Lerngruppen bilden.
    • können Probleme in Gruppenarbeit sinnvoll aufteilen und bearbeiten.
    • lernen statistische Problemstellungen fachlich korrekt zu formulieren und zu kommunizieren.
    • hinterfragen Fragestellungen kritisch und urteilen selbstbewusst.
    • können sich sorgfältig und konzentriert in statistische Fragestellungen einzuarbeiten.
    • sind in der Lage, die erlernten Methoden selbstständig einsetzen.
    • üben, Lern- und Arbeitstechniken auf abstrakte Inhalte anzuwenden, so dass sie an die selbstständige Erarbeitung von Wissen aus wissenschaftlichen Publikationen herangeführt werden.
    • lernen geeignete Daten zu erheben, aufzubereiten und im Hinblick auf wirtschaftliche Fragestellungen zu analysieren
    • kennen die statistische Programmiersprache R und die Entwicklungsumgebung RStudio.
    • können R einsetzen, um Häufigkeitsverteilungen graphisch darzustellen und statistische Kennzahlen aus einfachen Datensätzen zu berechnen.
    • sind in der Lage Wahrscheinlichkeiten und Quantile von theoretischen Wahrscheinlichkeitsverteilungen in R zu berechnen.
    • kennen die Befehle, um Regressionsparameter zu bestimmen und können diese interpretieren.

Lectures Method

Vorlesung