Lehre

FSS 2023

Dozent	Dr. Toni Stocker
Zeiten und Räume der Vorlesung (4 st.)	Mo 10:15 – 11:45 wtl 13.02.2023 – 29.05.2023 (SO 108) Di 17:15 – 18:45 wtl 14.02.2023 – 30.05.2023 (B6, A001)
Übungen und Tutorien	Info: Download (pdf) Die Übungen beginnen in der 2. Vorlesungswoche. Die Tutorien beginnen bereits in der 1. Woche
Weitere Informationen	Download (pdf)
Links	Software R Studierendenportal

Dozent	Dr. rer. nat. Ingo Steinke
Zeit und Ort der Veranstaltung:	Studenten der Wirtschaftsinformatik – und pädagogik: Mo 10:15 – 11:45 wtl 13.02.2023 – 22.05.2023 (A3 001) Di 10:15 – 11:45 wtl 14.02.2023 – 30.05.2023 (A3 001) Mi 08:30 – 10:00 wtl 15.02.2023 – 31.05.2023 (A3 001) Studenten der BWL: Mo 13:45 – 15:15 wtl 13.02.2023 – 22.05.2023 (A3 001) Di 15:30 – 17:00 wtl 14.02.2023 – 30.05.2023 (A3 001) Mi 15:30 – 17:00 wtl 15.02.2023 – 31.05.2023 (A3 001)
Weitere Informationen	Pro Woche finden zwei Vorlesungen (am Dienstag und Mittwoch) und eine Übung (am Montag) statt. Davon abweichend findet am Montag, den 13.02., anstelle der Übung eine Vorlesung statt. Die beiden Veranstaltungen „Grundlagen der Statistik“ sind inhaltsgleich. Die Vormittagstermine sind für die Wirtschaftspädagogen und Wirtschaftsinformatiker gedacht, die Nachmittagstermine für die Wirtschaftswissenschaftler. Ein Tausch der Veranstaltungen ist aber prinzipiell möglich. Um Zugang zu den Vorlesungsmaterialien zu erhalten, melden Sie sich bitte bei der für E-Learning (Ilias) freigeschalteten Veranstaltung an. Die Vorlesung stellt eine Einführung in die Wahrscheinlichkeitsrechnung und Induktive Statistik dar. Es werden die Grundbegriffe und Grundlagen der Wahrscheinlichkeitsrechnung besprochen, z.B. Wahrscheinlichkeit, bedingte Wahrscheinlichkeit, Unabhängigkeit, Bayessche Formel, Zufallsvariablen, Verteilungsfunktion, diskrete und stetige Verteilungen, Verteilungen von zwei und mehr Zufallsvariablen und Grenzwertaussagen für große Stichproben. Im Rahmen des Statistikteils der Vorlesung wird in die Grundkonzepte der Schätz- und Testtheorie eingeführt, es werden die wichtigsten klassischen Parametertests besprochen und theoretische und praktische Aspekte von linearen Regressionsmodellen diskutiert.
Literatur	Stocker, T., Steinke, I. (2022): Statistik – Grundlagen und Methodik. 2. Auflage. Berlin: De Gruyter Oldenbourg. Stocker, T., Steinke, I. (2022): Statistik – Übungsbuch. 2. Auflage. Berlin: De Gruyter Oldenbourg.
Alternative Literatur	Fahrmeir, L., Künstler, R., Pigeot, I., Tutz, G. (2007): Statistik. 6. Auflage. Springer-Verlag. Schira, J. (2003): Statistische Methoden der VWL und BWL. Pearson-Studium.

Dozent	Dr. Toni Stocker
Time and Location of Lecture	Fr 12:00 – 13:30 weekly (L7, 3–5, 001)
Time and Location Exercises (Group Exercise Sessions):	Exercise Session 1: Thursday, 17:15–18:45, L9, 1–2, 002 Exercise Session 2: Friday, 10:15–11:45, L9, 1–2, 003 The exercise sessions start already in the 1st week! For the exercise part of the class you choose only one of the two Exercise Sessions offered
Level	Bachelor
Sprache/Language	English
More Information	see ILIAS course folder
Links	Software R Studierendenportal

Dozent	Dr. Ingo Steinke
Zeiten und Ort der Vorlesung	Mi, 12:00 – 13:30, wtl 15.02.2023 – 31.05.2023, Seminarraum 003, L9, 1–2 Do, 8:30 – 10:00, wtl 16.02.2023 – 01.06.2023, Seminarraum 003, L9, 1–2
Inhalt	Statistisches Lernen umfasst eine Reihe von statistischen Verfahren, mit deren Hilfe es möglich ist, Zusammenhänge zwischen den Variablen eines Datensatzes zu erkennen, Prognosen aufzustellen und Entscheidungen in Form von Gruppenzuordnungen durchzuführen. In der Vorlesung werden eine Reihe von Verfahren besprochen. Dazu gehören neben den klassischen Verfahren der lineare Regression und Klassifikation mit logistischer Regression und Diskriminanzanalyse auch Resampling-Verfahren, die häufig zur Wahl eines geeigneten Modells verwendet werden, nichtlineare Modellansätze, Baum-basierte Verfahren, wie Regressions- und Klassifikationsbäume, und Verfahren, die auf Support-Vektoren basieren. Neben der Motivation für die Verfahren werden auch einige ihrer theoretischen Eigenschaften besprochen. Im Rahmen der Vorlesung und in der begleitenden Übung wird von der Programmiersprache R Gebrauch gemacht. Grundkenntnisse in R sollten vorhanden sein.

Dozent

Dr. Ingo Steinke

Zeiten und Ort der Vorlesung

Mi, 12:00 – 13:30, wtl 15.02.2023 – 31.05.2023, Seminarraum 003, L9, 1–2

Do, 8:30 – 10:00, wtl 16.02.2023 – 01.06.2023, Seminarraum 003, L9, 1–2

Inhalt

Statistisches Lernen umfasst eine Reihe von statistischen Verfahren, mit deren Hilfe es möglich ist, Zusammenhänge zwischen den Variablen eines Datensatzes zu erkennen, Prognosen aufzustellen und Entscheidungen in Form von Gruppenzuordnungen durchzuführen. In der Vorlesung werden eine Reihe von Verfahren besprochen. Dazu gehören neben den klassischen Verfahren der lineare Regression und Klassifikation mit logistischer Regression und Diskriminanzanalyse auch Resampling-Verfahren, die häufig zur Wahl eines geeigneten Modells verwendet werden, nichtlineare Modellansätze, Baum-basierte Verfahren, wie Regressions- und Klassifikationsbäume, und Verfahren, die auf Support-Vektoren basieren. Neben der Motivation für die Verfahren werden auch einige ihrer theoretischen Eigenschaften besprochen. Im Rahmen der Vorlesung und in der begleitenden Übung wird von der Programmiersprache R Gebrauch gemacht. Grundkenntnisse in R sollten vorhanden sein.

HWS 2024 – Courses

Dozent	Dr. Toni Stocker
Zeiten und Räume der Vorlesung	Mo 13:45 – 15:15 wtl (M003) Do 08:30 – 10:00 wtl (M003)* *nicht am 3.10 (Ersatztermin siehe Portal)
Übungen	Die Übungen beginnen in der 2. Vorlesungswoche Nähere Info: Download (pdf)
Weitere Informationen	Weitere Informationen zur Veranstaltung: Download (pdf)
Links	Software R Studierendenportal

Dozent	Dr. Toni Stocker
Time and Location of Lecture	Fr 10:15 – 12:45 weekly (L9, 1–2, 003)
Time and Location of Group Exercise Sessions	Fr 08:30–10:00 weekly (L9, 1–2, 003) start from the 1st week!
Level	Bachelor
Sprache/Language	English
More Information	see ILIAS course folder
Links	Software R Studierendenportal

Wie gut funktioniert Chat GPT derzeit?

Lebensberatung mit ethischem Aspekt und Fachberatung zu einer Klausuraufgabe
(getestet von Toni Stocker)

Lehre

FSS 2023

Statistik 1 (B.Sc.)

Grundlagen der Statistik (B.Sc.)

Time Series Analysis (B.Sc.)

Statistische Lernverfahren (B.Sc.)

HWS 2024 – Courses

Statistik 2 (B.Sc.)

Applied Multivariate Statistics (B.Sc.)