FSS 2023
Statistik 1 (B.Sc.)
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 Grundlagen der Statistik (B.Sc.)
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.
Time Series Analysis (B.Sc.)
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, 003The 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 Statistische Lernverfahren (B.Sc.)
Dozent
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 2023 – Courses
Statistik 2 (B.Sc.)
Dozent
Dr. Toni Stocker
Zeiten und Räume der Vorlesung
Mo 13:45 – 15:15 wtl (B6, A 001)*
Do 08:30 – 10:00 wtl (SO 108)*nicht am 4.9. und 11.9. (Ersatztermine siehe Portal)
Übungen
Die Übungen beginnen in der 2. Vorlesungswoche
Nähere Info: Download (pdf)
Weitere Informationen
Weitere Informationen zur Veranstaltung: Download (pdf)
Links Applied Multivariate Statistics (B.Sc.)
Dozent
Dr. Toni Stocker
Time and Location of Lecture & Guided Exercises
Fr 10:15 – 12:45 weekly (L9, 1–2, 003)
Time and Location of
Group Exercise Sessions
Fr 0830-10:00 weekly (L9, 1–2, 003)
start from the 1st week!
Level
Bachelor
Sprache/
Language English
More Information
see ILIAS course folder Links