In dieser Veranstaltung wird bereits erworbenes Wissen aus der Deskriptiven und Induktiven Statistik zu einem geringen Teil wieder aufgefrischt, ansonsten aber hauptsächlich vorausgesetzt. Darauf aufbauend wird sowohl die Theorie ausgebaut und erweitert, als auch das bereits vorhandene und hinzugewonnene Wissen in praktischen Anwendungen mit der Software R am Rechner umgesetzt. Den Teilnehmern dieser Veranstaltung wird ein solides Fundament zur Bearbeitung empirischer Problemstellungen vermittelt, das aber auch gleichzeitig als Basis für tiefer gehende quantitative Analysen dient.
- Dozent/in: Christian Soost
Das Fach Statistik lässt sich in die zwei Teilgebiete Deskriptive Statistik und Induktive Statistik aufteilen. Während die weiterführende Induktive Statistik sich im Wesentlichen mit Hypothesentests befasst, beinhaltet die Deskriptive Statistik die Aufbereitung, Analyse und graphische Darstellung von empirischen Daten. Diese durch Beobachtung, Messung oder Durchführung eines Experiments gewonnenen Datenmengen müssen in geeigneter Weise beschrieben und zusammengefasst werden. Das geschieht durch die Berechnung von Maßzahlen wie absolute und relative Häufigkeiten, Mittelwerten, Streuungs- und Konzentrationsmaßen und Indexzahlen; Konzepte, die im Rahmen der ersten Vorlesungen vorgestellt werden. Anschließend wird die Messung und Quantifizierung von Datenzusammenhängen durch Kovarianz und Korrelation sowie der Regressionsrechnung eingeführt und das Wesen der Zeitreihenanalyse dargestellt. In den zwei abschließenden Vorlesungen wird eine Einführung in die Wahrscheinlichkeitsrechnung behandelt, die neben vielen weiteren sinnvollen Anwendungen auch zur Vorbereitung auf die Induktive Statistik dient.
- Dozent/in: Christian Soost
- Dozent/in: Sam Steinhöfer