Universität Wien FIND

Kehren Sie für das Sommersemester 2022 nach Wien zurück. Wir planen Lehre überwiegend vor Ort, um den persönlichen Austausch zu fördern. Digitale und gemischte Lehrveranstaltungen haben wir für Sie in u:find gekennzeichnet.

Es kann COVID-19-bedingt kurzfristig zu Änderungen kommen (z.B. einzelne Termine digital). Informieren Sie sich laufend in u:find und checken Sie regelmäßig Ihre E-Mails.

Lesen Sie bitte die Informationen auf https://studieren.univie.ac.at/info.

040713 UK Angewandte Statistik (2021W)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung
DIGITAL

Zusammenfassung

1 Kramlinger , Moodle
2 Kramlinger , Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
An/Abmeldeinformationen sind bei der jeweiligen Gruppe verfügbar.

Gruppen

Gruppe 1

max. 35 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Dienstag 05.10. 15:00 - 16:30 Digital
Dienstag 12.10. 15:00 - 16:30 Digital
Dienstag 19.10. 15:00 - 16:30 Digital
Dienstag 09.11. 15:00 - 16:30 Digital
Dienstag 16.11. 15:00 - 16:30 Digital
Dienstag 23.11. 15:00 - 16:30 Digital
Dienstag 30.11. 15:00 - 16:30 Digital
Dienstag 07.12. 15:00 - 16:30 Digital
Dienstag 14.12. 15:00 - 16:30 Digital
Dienstag 11.01. 15:00 - 16:30 Digital
Dienstag 18.01. 15:00 - 16:30 Digital
Dienstag 25.01. 15:00 - 16:30 Digital

Gruppe 2

max. 35 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Dienstag 05.10. 16:45 - 18:15 Digital
Dienstag 12.10. 16:45 - 18:15 Digital
Dienstag 19.10. 16:45 - 18:15 Digital
Dienstag 09.11. 16:45 - 18:15 Digital
Dienstag 16.11. 16:45 - 18:15 Digital
Dienstag 23.11. 16:45 - 18:15 Digital
Dienstag 30.11. 16:45 - 18:15 Digital
Dienstag 07.12. 16:45 - 18:15 Digital
Dienstag 14.12. 16:45 - 18:15 Digital
Dienstag 11.01. 16:45 - 18:15 Digital
Dienstag 18.01. 16:45 - 18:15 Digital
Dienstag 25.01. 16:45 - 18:15 Digital

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Ziele:
Erwerb von Kenntnissen in der Anwendung statistischer Methoden auf praktische Fragestellungen und die Lösung von konkreten Anwendungsproblemen.

Inhalte:
Dieser Kurst behandelt die Vorhersage und Strukturerkennung von Big Data mit:
1. SVD (singular value decomposition), PCA (principal component analysis) und LDA (latent Dirichlet allocation);
2. PLS (partial least squares), penalisierte Methoden, logistic PCA

Methoden:
Vorlesung mit kombinierter Übung.
Vorlesungsmitschrift und Daten werden zur Verfügung gestellt.
Studierende müssen in statistischer Software am eigenen Rechner programmieren.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Es gibt je eine Programmierklausur zu beiden Themenblöcken.
Zusätzlich gibt es eine schriftliche Abschlussprüfung zu den theoretischen Inhalten.

Mindestanforderungen und Beurteilungsmaßstab

Die Note ermittelt sich nach folgender Gewichtung:
35% Programmieraufgabe zum Thema 1
35% Programmieraufgabe zum Thema 2
30% schriftliche Abschlussprüfung

Prüfungsstoff

Inhalte der behandelten Themen

Literatur

Fahrmeir, L., Hamerle, A., Tutz, G. (1996) Multivariate statistische Verfahren
James, G., Witten, D., Hastie, T., Tibshirani, T. An introduction to statistical learning with applications in R.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mo 27.09.2021 11:08