040242 VO Ökonometrie und Statistik (MA) (2021W)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften

DIGITAL

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

Freitag 28.01.2022 18:30 - 20:00 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß Donnerstag 24.02.2022 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß Donnerstag 28.04.2022 16:45 - 18:15 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß

Lehrende

Bertram Wassermann

Termine (iCal) - nächster Termin ist mit N markiert

Beim ersten Termin am 5.10. wird eine kurze Vorstellung und eine Wiederholung statistischer Basisbegriffe durchgeführt.

Ab dann wird das Material zu jeder Vorlesung bestehend aus Foliensatz und Audiobeschreibung eine Woche vor dieser veröffentlicht.

Während des Termins werden wir dann Ihre offene Fragen besprechen und Beispiele zum Stoff diskutieren.

    
    Dienstag
    05.10.
    08:00 - 09:30
    Digital
    
    Dienstag
    12.10.
    08:00 - 09:30
    Digital
    
    Dienstag
    19.10.
    08:00 - 09:30
    Digital
    
    Dienstag
    09.11.
    08:00 - 09:30
    Digital
    
    Dienstag
    16.11.
    08:00 - 09:30
    Digital
    
    Dienstag
    23.11.
    08:00 - 09:30
    Digital
    
    Dienstag
    30.11.
    08:00 - 09:30
    Digital
    
    Dienstag
    07.12.
    08:00 - 09:30
    Digital
    
    Dienstag
    14.12.
    08:00 - 09:30
    Digital
    
    Dienstag
    11.01.
    08:00 - 09:30
    Digital
    
    Dienstag
    18.01.
    08:00 - 09:30
    Digital
    
    Dienstag
    25.01.
    08:00 - 09:30
    Digital

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
Wenn möglich, wird der Test als Präsenzprüfung vor Ort an der Universität durchgeführt

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