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
  • BWLVertiefungsstudiumWahlpflichtbereichBereich Volkswirtschaftslehre, Rechtswissenschaft, Wirtschaftsinformatik, InformatikVertiefungsbereich Volkswirtschaftslehre4.-6. FS, Wahlpflicht
  • LA gbF/kbF BKMasterprüfung in der großen beruflichen FachrichtungWahlpflichtbereich BWL, VWL, Recht, Statistik Bereich Statistik1.-3. FS, Wahlpflicht
  • VWLVertiefungsstudiumPflichtbereich des Vertiefungsstudiums5. FS, Pflicht
Bestandteile
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
Vorlesung: Computergestützte Methoden (WIWI‑C0736)
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: Computergestützte Methoden (WIWI‑C0735)
Modul: Computergestützte Methoden (WIWI‑M0574)