Universität Wien

040242 VO Ökonometrie und Statistik (MA) (2019W)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Für diese LV an-/abmelden

Details

Sprache: Deutsch

Prüfungstermine

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Dienstag 01.10. 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 08.10. 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 15.10. 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 22.10. 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 29.10. 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Mittwoch 06.11. 16:45 - 18:15 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Dienstag 12.11. 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 19.11. 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 26.11. 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 03.12. 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 10.12. 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 17.12. 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 07.01. 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 14.01. 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 21.01. 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Dienstag 28.01. 16:45 - 18:15 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.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

Test am Semesterende, Schriftliche Prüfung

Mindestanforderungen und Beurteilungsmaßstab

Um den Kurs positiv zu absolvieren müssen mindestens 60% der Punkte erreicht werden.

Prüfungsstoff

1) Analysieren einer Problemstellung und skizieren der Lösung mittels Datamining
2) Beschreiben des Ablaufes einer Standardanalyse
3) Verstehen (= lesen und interpretieren können) einer Statistischen Analyse

Mehr Details zur Prüfung werden während des Kurses bekanntgegeben.

Literatur

Werner Brannath, Andreas Futschik, Statistik für Wirtschaftswissenschaftler

Weitere Literatur wird während der Vorlesung bekannt gegeben.

Folien, die im Kurs diskutiert werden (werden auf der Homepage veröffentlicht).

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Fr 12.05.2023 00:12