Einzelansicht eines Moduls
Modul (6 Credits)
Computergestützte Methoden
- Name im Diploma Supplement
- Statistics and Computing
- Verantwortlich
- Voraussetzungen
- Siehe Prüfungsordnung.
- Workload
- 180 Stunden studentischer Workload gesamt, davon:
- Präsenzzeit: 45 Stunden
- Vorbereitung, Nachbereitung: 90 Stunden
- Prüfungsvorbereitung: 45 Stunden
- Dauer
- Das Modul erstreckt sich über 1 Semester.
- Qualifikationsziele
Die Studierenden
- können mit Hilfe der Statistiksoftware R Daten erzeugen, einlesen und transformieren
- können mit Hilfe statistischer Software Maßzahlen zur Beschreibung von Häufigkeitsverteilungen berechnen und interpretieren
- können mit graphischen Methoden Daten anschaulich darstellen
- können mit Hilfe von Zufallsgeneratoren Daten entsprechend ausge-wählter Wahrscheinlichkeitsverteilungen generieren und Simulationen durchführen
- können einfache und multiple Regressionen mit Hilfe statistischer Software berechnen und die Ergebnisse interpretieren
- können geeignete graphische und formale Methoden zur Diagnose von Heteroskedastie und geeignete Verfahren bei Vorliegen von Heteros-kedastie anwenden
- Praxisrelevanz
Die Darstellung und Analyse von Datensätzen mit geeigneter Software ist von besonderer Praxisrelevanz.
- Prüfungsmodalitäten
Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer Klausur (in der Regel: 60-90 Minuten).
- Verwendung in Studiengängen
- Bestandteile
Vorlesung (3 Credits)
Computergestützte Methoden
- Name im Diploma Supplement
- Statistics and Computing
- Anbieter
- Lehrperson
- SWS
- 2
- Sprache
- deutsch
- Turnus
- Wintersemester
- maximale Hörerschaft
- 60
- empfohlenes Vorwissen
Kenntnisse der Methoden der deskriptiven und induktiven Statistik.
- Abstract
Im Rahmen der Veranstaltungen wird die Anwendung wesentlicher Methoden der Statistik und Ökonometrie mit der Software R erlernt.
- Lehrinhalte
- Datenhandling
- Deskription
- Wahrscheinlichkeitsverteilungen
- Lineare und multiple Regressionsrechnung
- Heteroskedastie
- Literaturangaben
- Andreas Behr/Ulrich Pötter, Einführung in die Statistik mit R, München, 2010.
- Andreas Behr, Vorlesungsskript Regressionsanalyse.
- Rainer Schlittgen, Regressionsanalysen mit R, München, 2013.
- didaktisches Konzept
Die verschiedenen Verfahren werden erläutert und mit Hilfe von Übungsaufgaben am Computer umgesetzt.
- Hörerschaft
Übung (3 Credits)
Computergestützte Methoden
- Name im Diploma Supplement
- Statistics and Computing
- Anbieter
- Lehrperson
- SWS
- 2
- Sprache
- deutsch
- Turnus
- Wintersemester
- maximale Hörerschaft
- 60
- empfohlenes Vorwissen
Kenntnisse der Methoden der deskriptiven und induktiven Statistik.
- Abstract
Im Rahmen der Veranstaltungen wird die Anwendung wesentlicher Methoden der Statistik und Ökonometrie mit der Software R erlernt.
- Lehrinhalte
- Datenhandling
- Deskription
- Wahrscheinlichkeitsverteilungen
- Lineare und multiple Regressionsrechnung
- Heteroskedastie
- Literaturangaben
- Andreas Behr/Ulrich Pötter, Einführung in die Statistik mit R, München, 2010.
- Andreas Behr, Vorlesungsskript Regressionsanalyse.
- Rainer Schlittgen, Regressionsanalysen mit R, München, 2013.
- didaktisches Konzept
Die verschiedenen Verfahren werden erläutert und mit Hilfe von Übungsaufgaben am Computer umgesetzt.
- Hörerschaft