Module (6 Credits)

Statistische Datenanalyse

Name in diploma supplement

Statistical Data Analysis

Responsible

Prof. Dr. Yannick Hoga

Admission criteria

See exam regulations.

Workload

180 hours of student workload, in detail:

• Attendance: 60 hours
• Preparation, follow up: 60 hours
• Exam preparation: 60 hours

Duration

The module takes 1 semester(s).

Qualification Targets

Die Studierenden

• beherrschen wirtschaftswissenschaftlich relevante, grundlegende Methoden der beschreibenden und schließenden Statistik
• können wirtschaftswissenschaftliche Zusammenhänge quantifizieren
• verfügen über die Kompetenz, Methoden der Statistik eigenständig anzuwenden sowie Probleme der wirtschaftlichen Praxis zu lösen
• sind in der Lage, Übungsaufgaben selbständig zu bearbeiten
• können statistische Probleme mit Hilfe geeigneter Software lösen

Relevance

Die Praxisrelevanz ist aufgrund der großen Bedeutung der Empirie in den Wirtschaftswissenschaften sowie der Datenanalyse in der beruflichen Praxis hoch.

Module Exam

Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer Klausur (in der Regel: 60-90 Minuten).

Vom Dozierenden wird zu Beginn der Veranstaltung festgelegt, ob durch freiwillige Testate bereits im Vorfeld Punkte für die Klausur erworben werden können. Für die Möglichkeit der Anrechnung der Testate muss die Klausur unabhängig vom Ergebnis der Testate mindestens bestanden sein. Ist dies der Fall, so bildet sich die Endnote aus dem Ergebnis der mindestens bestandenen Abschlussprüfung zuzüglich der bereits über die Testate erworbenen Punkte. Die Möglichkeit der Anrechnung der Testate auf die abschließende Prüfungsleistung ist auf maximal 20% der in der abschließenden Prüfung maximal erwerbbaren Punkte beschränkt. Bestandene Testate haben nur Gültigkeit für die Prüfungen, die zu der Veranstaltung im jeweiligen Semester gehören.

Elements

Lecture (3 Credits)

Statistische Datenanalyse

---

Name in diploma supplement

Statistical Data Analysis

Organisational Unit

Fachgebiet Statistik,
Lehrstuhl für Ökonometrie,
Lehrstuhl für Finanzmarktökonometrie

Lecturers

Prof. Dr. Andreas Behr,
Prof. Dr. Christoph Hanck,
Prof. Dr. Yannick Hoga

Cycle

winter semester

SPW

2

Language

German

Participants at most

no limit

---

Preliminary knowledge

Grundkenntnisse (Schulwissen) in Mathematik

Abstract

Es werden die Grundprinzipien des Arbeitens mit quantitativen Daten herausgearbeitet. Typische Ziele empirischer Untersuchungen wie das statistische Schließen, dessen klassische wesentliche Werkzeuge aus der beschreibenden Statistik sowie dessen wahrscheinlichkeitstheoretische Grundlagen werden diskutiert. Darauf aufbauend werden Werkzeuge der statistischen Inferenz wie Schätzer, Hypothesentests, Konfidenzintervalle und deren Eigenschaften entwickelt.

Contents

• Ziele empirischer Untersuchungen: Lernen über die Grundgesamtheit und ihre Eigenschaften mit Hilfe von Daten
• Charakterisierung der vorliegenden Daten durch geeignete Darstellungen und Kennzahlen: Histogramm, empirische Verteilungsfunktion, Mittelwert, Varianz, u.a.m., auch mithilfe geeigneter statistischer Software
• Das Problem der Stichprobenunsicherheit
• Charakterisierung der Stichprobenunsicherheit durch wahrscheinlichkeitstheoretische Werkzeuge: Zufallsvariablen, Verteilungen und deren Eigenschaften (Erwartungswert, Varianz etc.), Grundzüge der Stichprobentheorie
• Nutzung der o.g. Kennzahlen zur Entwicklung von statistischen Schätz- und Inferenzverfahren (Tests, Konfidenzintervalle)
• Anwendung der o.g. wahrscheinlichkeitstheoretischen Werkzeuge sowie wichtiger theoretischer Verteilungen (Binomialverteilung, Normalverteilung u.a.m.) zur Analyse der statistischen Eigenschaften der o.g. Verfahren (Unverzerrtheit, Effizienz, Verhalten in großen Stichproben - GGZ, ZGWS -, im Fall der Tests unter der Null und Alternative, etc.)
• Ausblick und weitere Themen: bi- und multivariate Zusammenhänge, Regression, Ungleichheit, u.a.m.

Literature

• Assenmacher, W. Deskriptive Statistik. Springer.
• Assenmacher, W. (2009). Induktive Statistik. Springer.
• Bamberg, M. G.; Baur F.; Krapp. Statistik. Oldenbourg.
• Behr, A.; Pötter, U. Einführung in die Statistik mit R Vahlen.
• Ludwig Fahrmeir, L.; Heumann, C.; Künstler, R.; Pigeot, I., Tutz, L. Statistik: der Weg zur Datenanalyse. Springer.
• Mosler, K.; Schmid, F. Wahrscheinlichkeitsrechnung und schließende Statistik. Springer.
• Mosler, K.; Schmid, F. Beschreibende Statistik und Wirtschaftsstatistik. Springer.
• Rohwer, G.; Pötter, U. Grundzüge der sozialwissenschaftlichen Statistik. Juventa.
• Rohwer, G.; Pötter, U. (2002). Wahrscheinlichkeit: Begriff und Rhetorik in der Sozialforschung. Juventa.

Weitere Literatur wird in der Veranstaltung / auf der Homepage des Lehrstuhls bekannt gegeben.

Exercise (3 Credits)

Statistische Datenanalyse

---

Name in diploma supplement

Statistical Data Analysis

Organisational Unit

Fachgebiet Statistik,
Lehrstuhl für Ökonometrie,
Lehrstuhl für Finanzmarktökonometrie

Lecturers

Prof. Dr. Andreas Behr,
Prof. Dr. Christoph Hanck,
Prof. Dr. Yannick Hoga

Cycle

winter semester

SPW

2

Language

German

Participants at most

no limit

---

Preliminary knowledge

Siehe Vorlesung

Contents

Siehe Vorlesung

Literature

Siehe Vorlesung

Teaching concept

Die Übungsveranstaltungen unterstützen den Lernfortschritt der Studierenden in der Veranstaltung, indem sie die zunächst in der Vorlesung vorgestellten Themen, Konzepte und Methoden, auch in statistischer Software, praktisch anwenden und einüben. Um eigenständiges Arbeiten zu motivieren, werden darüber hinaus Arbeitsblättern bzw. Onlineaufgaben bereitgestellt, deren thematische Breite das weite Einsatzspektrum der behandelten Methoden zeigen sowie gezielt auf die Prüfung vorbereiten.