LFU:online

Fähigkeit zur selbständigen Erarbeitung von statistischen
Problemstellungen anhand anwendungsbezogener Fragestellungen, Umsetzung in
statistischer Software und Kommunikation der Ergebnisse.

Statistische Modellierung mit überwachten und unüberwachten Lernmethoden.

Vortrag der Lehrveranstaltungsfolien durch Lehrveranstaltungsleiter/in.
Erarbeitung, Präsentation und Diskussion von Übungsaufgaben und empirischen Fallstudien durch Studierende.

Onlinetests (30%), kurze Präsentationen der empirischen Fallstudien (30%), schriftliche Klausur (40%).

siehe OLAT

DiSC: keine

Der Fokus des Kurses ist die praktische Anwendung von statistischen Methoden zur Analyse empirischer Daten mit Hilfe von statistischer Software (entweder in R oder Python, siehe unten). Vorkenntnisse in R bzw. Python (je nach Gruppe) sowie in Statistik sind nicht zwingend erforderlich, erleichtern aber den Einstieg.

Gruppe 0: In den empirischen Fallstudien wird die Statistik-Software R (https://www.R-project.org/) verwendet. Auch wenn Vorwissen in R nicht zwingend erforderlich ist, ist es ratsam eine gewisse Erfahrung mit R mitzubringen, bspw. durch den DiSC-Kurs "Einführung in die Programmierung: Programmieren mit R".

Gruppe 1: In den empirischen Fallstudien wird die Programmiersprache Python (https://www.python.org/) verwendet. Vorwissen in Python wird dringend empfohlen, bspw. durch den DiSC-Kurs "Einführung in die Programmierung: Programmieren mit Python".

Die Akzeptanz basiert auf einer priorisierten Randomisierung auf Basis des Forschritts im Wahlpaket "Digital Science" (DiSC). Insbesondere der erfolgreiche Abschluss von Modul 1: Einführung in die Programmierung (siehe oben) wird berücksichtigt.

Für Studierende im Bachelor "Wirtschaftswissenschaften": Es wird empfohlen das Modul "Statistische Datenanalyse" vor diesem Kurs abzuschließen, weil dort die Grundlagen sowohl in Statistik als auch der Verwendung von R abgedeckt werden. In Sommersemestern wird deshalb die Anmeldung in Gruppe 0 empfohlen (als freies Wahlfach). In Wintersemestern hingegen ist es besser sich bei der VU 403039 Data Analytics anzumelden, die gemeinsam mit Gruppe 0 abgehalten wird. Aber diese VU ist ein Wahlfach mit zusätzlichem Proseminar (PS).