040038 VO Ökonometrie und Statistik (MA) (2018S)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften

Für diese LV gibt es KEIN Moodle!
Achtung! Am Mi, 09.05.2018 entfällt die Vorlesung.

Details

Sprache: Deutsch

Prüfungstermine

Mittwoch 27.06.2018 16:45 - 18:15 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock Mittwoch 26.09.2018 16:45 - 18:15 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock Montag 26.11.2018 16:45 - 18:15 Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß

Lehrende

Bertram Wassermann

Termine (iCal) - nächster Termin ist mit N markiert

    
    Mittwoch
    07.03.
    16:45 - 18:15
    Hörsaal 9  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    14.03.
    16:45 - 18:15
    Hörsaal 9  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    21.03.
    16:45 - 18:15
    Hörsaal 9  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    11.04.
    16:45 - 18:15
    Hörsaal 9  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    18.04.
    16:45 - 18:15
    Hörsaal 9  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    25.04.
    16:45 - 18:15
    Hörsaal 9  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    02.05.
    16:45 - 18:15
    Hörsaal 9  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    16.05.
    16:45 - 18:15
    Hörsaal 9  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    23.05.
    16:45 - 18:15
    Hörsaal 9  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    30.05.
    16:45 - 18:15
    Hörsaal 9  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    06.06.
    16:45 - 18:15
    Hörsaal 9  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    13.06.
    16:45 - 18:15
    Hörsaal 9  Oskar-Morgenstern-Platz 1  1.Stock
    
    Mittwoch
    20.06.
    16:45 - 18:15
    Hörsaal 9  Oskar-Morgenstern-Platz 1  1.Stock

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Datamining und Big Data anhand von Fallbeispielen

Im Kurs werden Konzepte des Datamining und Big Data anhand von Fallbeispielen erläutert und diskutiert.

Die Beispiele kommen aus den Themenbereichen

. Customer Relationship Management
. Fraud Detection
. Revenue Management
. Market Research

Die vorgestellten Konzepte des Dataming’s und Big Data umfassen u.a.

. Sampling
. Supervised und unsupervised learning
. multiple Regression,
. logistische Regression
. Kontingenztafelanalyse
. Varianzanalyse
. Zeitreihenanalyse

Art der Leistungskontrolle und erlaubte Hilfsmittel

Schriftliche Prüfung

Mindestanforderungen und Beurteilungsmaßstab

Um den Kurs positiv zu absolvieren müssen mindestens 50% der Punkte erreicht werden.

Prüfungsstoff

Analysieren einer Problemstellung und skizieren der Lösung mittels Datamining

Verstehen (= lesen und interpretieren können) der statistischen Modellgleichungen
und der Vorgehensweise beim Datamining

Mehr Details zur Prüfung werden während des Kurses bekanntgegeben.

Literatur

Luis Torgo / "Data Mining with R Learning with Case Studies"
Folien die im Kurs diskutiert werden .

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mo 07.09.2020 15:28