Name des Moduls | [311710] Statistische Inferenz | Bezeichnung des Moduls | MW30.1a |
Studiengang | [184] - Wirtschaftswissenschaften | ECTS Punkte | 6 |
Arbeitsaufwand für Selbststudium | 120 | Häufigkeit des Angebotes (Modulturnus) | jedes 2. Semester (ab Wintersemester) |
Arbeitsaufwand in Präsenzstunden | 60 | Dauer des Moduls | 1 |
Arbeitsaufwand Summe (Workload) | 180 | ||
Modul-Verantwortliche/r | Prof. Dr. Christian Pigorsch |
Voraussetzung für die Vergabe von Leistungspunkten (Prüfungsform) | Bewertete Übungsaufgaben während der Vorlesungszeit (20%), Klausur im Prüfungszeitraum (80%). Die Benotung des Moduls ergibt sich auf Grundlage der Gesamtpunktzahl und die Teilleistungen müssen nicht einzeln bestanden werden. Die erzielten Punkte in den bewerteten Übungsaufgaben können bei einer möglichen Wiederholung der Modulprüfung angerechnet werden. |
Empfohlene Literatur | Präsentationsfolien der Veranstaltung, weitere Literatur wird in der Vorlesung bekannt gegeben. |
Unterrichtssprache | Deutsch |
Empfohlene bzw. erwartete Vorkenntnisse | Erwartet: Statistische Grundkenntnisse |
Art des Moduls (Pflicht-, Wahlpflicht- oder Wahlmodul) | 021 M.Sc. Betriebswirtschaftslehre, 277 M.Sc. Wirtschaftsinformatik: Pflichtmodul |
Zusammensetzung des Moduls / Lehrformen (V, Ü, S, Praktikum, …) | Vorlesung (2 SWS), Übung (2 SWS) |
Inhalte | Die statistische Analyse von Datensätzen ist sowohl in der betrieblichen Praxis als auch in der betriebswirtschaftlichen Forschung allgegenwärtig. In diesem Modul werden grundlegende Methoden der Statistik behandelt. Dabei wird sowohl auf klassische Themen der induktiven Statistik wie Testen und Schätzen eingegangen als auch auf Methoden aus dem Bereich Prädiktion, bspw. Modellbildung und Modellevaluation. Die Methoden werden dabei hauptsächlich am linearen Regressionsmodell erläutert. Ein Bestandteil des Moduls ist auch die Interpretation von Ausgaben statistischer Software. |
Lern- und Qualifikationsziele | Die Studierenden kennen die vielfältigen Anwendungsmöglichkeiten statistischer Methoden. Ihnen ist bewusst, dass unterschiedliche Ziele einer Datenanalyse auch unterschiedliche Methoden bzw. unterschiedliche Interpretationen der Ergebnisse erfordern. Mithilfe des Linearen Regressionsmodells können Sie selbständig statistische Analysen zur Inferenz und Prognose planen, durchführen und beurteilen. |