Statistics

Module Coordinator/Lecturers

Dr. Wolfgang Schadner

Study Programmes

Bachelor's degree programme in Business Administration

Project Description

Beschreibende Statistik
Häufigkeitsverteilungen (Aufbereitung qualitativer und quantitativer Daten)
Kennzahlen für uni- und bivariate Daten (Lage-, Streuungs-, Konzentrations- und Zusammenhangsmaße)
Graphische Darstellungen (Stab-, Balken-, Streudiagramme, Histogramme, Box-Plot)

Wahrscheinlichkeitsrechnung
Wahrscheinlichkeitsraum und Additionssätze für Wahrscheinlichkeiten
Bedingte Wahrscheinlichkeiten (Pfadregeln, Satz von Bayes, Unabhängigkeit von Ereignissen)
Zufallsvariablen und ihre Verteilungen, Lage- und Streuungsmaße sowie Schiefe und Kurtosis (Binomial-, Poisson-, Normal-, Exponential-, Student-t-, Chi-Quadrat-, F-Verteilung & zugehörige Grenzwertsätze)
Unabhängigkeit von Zufallsvariablen und Rechenregeln für Erwartungswert und Varianz

Induktive Statistik
Punkt- und Intervallschätzungen für Mittelwert, Varianz und Wahrscheinlichkeiten
Grundlagen des Testens von Hypothesen über Mittelwerte und Mittelwertdifferenzen
(Teststatistik, Fehler 1. Art, Fehler 2. Art, Entscheidungsregeln)
Chi-Quadrat Test auf Unabhängigkeit zweier Zufallsvariablen

Einfache lineare Regression
Prinzip der kleinsten Quadrate
Standardfehler der Residuen
R^2-Koeffizient
Überprüfung der Modellannahmen (Tukey-Anscombe-Plot; Q-Q-Plot)
Varianzanalyse (ANOVA-Tabelle)

Teaching Method

Vorlesung

Learning Outcomes The students...

Professional Competence

können uni- und bivariate Daten dem Skalenniveau entsprechend durch Kennzahlen und graphische Darstellungen beschreiben.
setzen das Fachvokabular zur Beschreibung statistischer Graphiken korrekt ein und können die Vor- und Nachteile der zusammenfassenden Darstellungsarten benennen.
können statistische Kennzahlen (z.B. Lage- und Streuungsmasse) korrekt deuten sowie ihre Vor- und Nachteile erläutern.
kennen die Axiome eines diskreten Wahrscheinlichkeitsraumes.
können die Bedeutung der Axiome eines diskreten Wahrscheinlichkeitsraumes bei der Modellierung eines Zufallsexperimentes erläutern.
können Wahrscheinlichkeiten anhand der Additionssätze, der Pfadregeln und mit kombinatorischen Mitteln berechnen.
können im Zusammenhang mit dem Satz von Bayes die einhergehenden Resultate korrekt beschrieben.
kennen die wichtigsten Verteilungen und ihre Eigenschaften.
können erläutern, wann und warum welche Verteilung zur Modellierung einer wirtschaftlichen Situation herangezogen werden kann.
kennen die Bedeutung der wichtigsten Grenzwertsätze - insbesondere des zentralen Grenzwertsatzes.
können diese (wichtigsten) Grenzwertsätze zur Approximation von Verteilungen und Wahrscheinlichkeiten einsetzen.
können die Rechenregeln für Erwartungswerte und Varianzen korrekt anwenden.
können die Bedeutung von Konfidenzintervallen darlegen und ihren Zusammenhang mit dem Testen von Hypothesen aufzeigen.
können in den wichtigsten Situationen Konfidenzintervalle anhand der korrekt zu Grunde gelegten Verteilung berechnen und ihre Bedeutung im Sinne der schliessenden Statistik korrekt deuten.
können die Grundidee beim Testen von Hypothesen erläutern und die möglichen Fehlerquellen benennen.
können die Grundideen der wichtigsten Tests erläutern.
können die einhergehenden Teststatistiken der wichtigsten Tests berechnen, die kritischen Werte aus den üblichen Tabellen ablesen und das Ergebnis in korrekter Weise formulieren.
können die Resultate beim Testen von Hypothesen in Bezug auf den Grad ihrer Sicherheit bzw. Unsicherheit korrekt deuten bzw. beurteilen.
können eine einfache lineare Regression ausführen und die einhergehende ANOVA-Tabelle sowie Residuenplots erstellen und interpretieren.
können die Ergebnisse der linearen Regression in Bezug auf ihre Relevanz korrekt einordnen.

Methodological Competence

kennen die zentralen statistischen Techniken, welche in vielen wirtschaftlichen Anwendungen eingesetzt werden.
verstehen die Bedeutung statistischer Fachbegriffe.
können die behandelten Konzepte zielgerichtet anwenden, die so gewonnenen Resultate im Kontext deuten und statistische Aussagen korrekt formulieren.
analysieren Daten, um wirtschaftlich relevante Entscheidungen zu begründen.
können wirtschaftliche Situationen mit Hilfe wahrscheinlichkeitstheoretischer Methoden analysieren.

Social Competence

können Lernmaterialien organisieren und Lerngruppen bilden.
können Probleme in Gruppenarbeit sinnvoll aufteilen und bearbeiten.
lernen statistische Problemstellungen fachlich korrekt zu formulieren und zu kommunizieren.
hinterfragen Fragestellungen kritisch und urteilen selbstbewusst.

Personal Competence

können sich sorgfältig und konzentriert in statistische Fragestellungen einzuarbeiten.
sind in der Lage, die erlernten Methoden selbstständig einsetzen.
üben, Lern- und Arbeitstechniken auf abstrakte Inhalte anzuwenden, so dass sie an die selbstständige Erarbeitung von Wissen aus wissenschaftlichen Publikationen herangeführt werden.
lernen geeignete Daten zu erheben, aufzubereiten und im Hinblick auf wirtschaftliche Fragestellungen zu analysieren

Technology Competence

kennen die Software MS Excel zur statistischen Datenanalyse.
können MS Excel einsetzen, um Häufigkeitsverteilungen graphisch darzustellen und statistische Kennzahlen aus einfachen Datensätzen zu berechnen.
sind in der Lage Wahrscheinlichkeiten und Quantile von theoretischen Wahrscheinlichkeitsverteilungen in MS Excel zu berechnen.
kennen die Befehle, um Regressionsparameter zu bestimmen und können diese interpretieren.

Module number:

6010780

Semester:

WS 25/26

ECTS Credits:

Courses:

56 L / 42 h

Self-study:

138 h

Language:

German

Scheduled Semester: