Lehre
FSS 2022 – Courses
Statistik 1 (B.Sc.)
Dozent
Dr. Toni Stocker
Zeiten und Räume der Vorlesung (4 st.)
Mo 10:15 – 11:45 wtl 14.02.2022 – 30.05.2022 (SO 108)
Di 17:15 – 18:45 wtl 15.02.2022 – 31.05.2022 (SO 108)Übungen
Info: Download (pdf)
Die Übungen beginnen in der 2. Vorlesungswoche.
Weitere Informationen
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 14.02.2022 – 30.05.2022 (A3 001)
Di 10:15 – 11:45 wtl 15.02.2022 – 31.05.2022 (A3 001)
Mi 08:30 – 10:00 wtl 16.02.2022 – 01.06.2022 (A3 001)Studenten der BWL:
Mo 13:45 – 15:15 wtl 14.02.2022 – 30.05.2022 (A3 001)
Di 15:30 – 17:00 wtl 15.02.2022 – 31.05.2022 (A3 001)
Mi 15:30 – 17:00 wtl 16.02.2022 – 01.06.2022 (A3 001)Die ersten 4 Wochen finden die Vormittagsveranstaltungen via Zoom-Link (s. Portal2) statt und anstelle der Nachmittagsveranstaltungen werden im Laufe des Nachmittags audio-kommentierte Folien auf Ilias bereit gestellt. Danach sollen Präsenzveranstaltungen stattfinden.
Weitere Informationen
Pro Woche finden zwei Vorlesungen (am Dienstag und Mittwoch) und eine Übung (am Montag) statt. Davon abweichend findet am Montag, den 14.02., 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 18.02.2022 – 03.06.2022 (L7, 3-5, 001) Time and Location of Exercise Sessions:
Session 1: Thursday, 17:15-18:45h, L9, 1-2, 003
Session 2: Friday, 10:15-11:45, L9, 1-2, 003The exercise sessions start in the 2nd week!
For the exercise part of the class you choose one of the two tutorials offered
Level
Bachelor
Sprache/
Language English
More Information
Download (pdf)
Links Statistische Lernverfahren (B.Sc.)
Dozent
Zeiten und Ort der Vorlesung
Mi, 12:00 – 13:30, wtl 16.02.2022 – 01.06.2022, Raum P 044, L7, 3–5
Do, 12:00 – 13:30, wtl 17.02.2022 – 02.06.2022, Raum P 044, L7, 3–5
Für die ersten 3 Veranstaltungen werden im Laufe des entsprechenden Nachmittags audio-kommentierte Folien bereitgestellt. Die Übung am Donnerstag, den 24.02. findet als Zoom-Sitzung (s. Portal2) statt. Danach sind Präsenzveranstaltungen vorgesehen.
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 und Baum-basierte Verfahren wie Regressions- und Klassifikationsbäume. 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 2022 – 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)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
Fr 10:15 – 11:45 weekly (L7, 3-5, 001)
Time and Location Exercises
(Group Exercise Sessions):
Session 1: Thursday, 17:15-18:45, L9, 1-2, 003
Session 2: Friday, 10:15-11:45, L9, 1-2, 003The exercise sessions start in the 2nd week!
For the exercise part of the class you choose one of the two tutorials offered
Level
Bachelor
Sprache/
Language English
More Information
see ILIAS course folder Links