Informations about the modules
zurück
Module (6 Credits)
Computergestützte Methoden
- Name in diploma supplement
- Statistics and Computing
- Responsible
- Admission criteria
- See exam regulations.
- Workload
- 180 hours of student workload, in detail:
- Attendance: 45 hours
- Preparation, follow up: 90 hours
- Exam preparation: 45 hours
- Duration
- The module takes 1 semester(s).
- Qualification Targets
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
- Relevance
Die Darstellung und Analyse von Datensätzen mit geeigneter Software ist von besonderer Praxisrelevanz.
- Module Exam
Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer Klausur (in der Regel: 60-90 Minuten).
- Usage in different degree programs
- Elements
Lecture (3 Credits)
Computergestützte Methoden
- Name in diploma supplement
- Statistics and Computing
- Organisational Unit
- Lecturers
- SPW
- 2
- Language
- German
- Cycle
- winter semester
- Participants at most
- 60
- Preliminary knowledge
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.
- Contents
- Datenhandling
- Deskription
- Wahrscheinlichkeitsverteilungen
- Lineare und multiple Regressionsrechnung
- Heteroskedastie
- Literature
- Andreas Behr/Ulrich Pötter, Einführung in die Statistik mit R, München, 2010.
- Andreas Behr, Vorlesungsskript Regressionsanalyse.
- Rainer Schlittgen, Regressionsanalysen mit R, München, 2013.
- Teaching concept
Die verschiedenen Verfahren werden erläutert und mit Hilfe von Übungsaufgaben am Computer umgesetzt.
- Participants
Exercise (3 Credits)
Computergestützte Methoden
- Name in diploma supplement
- Statistics and Computing
- Organisational Unit
- Lecturers
- SPW
- 2
- Language
- German
- Cycle
- winter semester
- Participants at most
- 60
- Preliminary knowledge
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.
- Contents
- Datenhandling
- Deskription
- Wahrscheinlichkeitsverteilungen
- Lineare und multiple Regressionsrechnung
- Heteroskedastie
- Literature
- Andreas Behr/Ulrich Pötter, Einführung in die Statistik mit R, München, 2010.
- Andreas Behr, Vorlesungsskript Regressionsanalyse.
- Rainer Schlittgen, Regressionsanalysen mit R, München, 2013.
- Teaching concept
Die verschiedenen Verfahren werden erläutert und mit Hilfe von Übungsaufgaben am Computer umgesetzt.
- Participants