Universität Wien FIND

Jetzt impfen lassen für ein sicheres Miteinander im Herbst!

Um allen Angehörigen der Universität Wien einen guten und sicheren Semesterbeginn zu ermöglichen, gibt es von Samstag, 18. September, bis Montag, 20. September die Möglichkeit einer COVID-19-Impfung ohne Terminvereinbarung am Campus der Universität Wien. Details unter https://www.univie.ac.at/ueber-uns/weitere-informationen/coronavirus/.

Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

051131 UE Einführende Statistik (2021W)

Prüfungsimmanente Lehrveranstaltung
DIGITAL

Zusammenfassung

1 Slavova , Moodle
Fr 01.10. 11:30-12:15 Digital
2 Slavova , Moodle
Fr 01.10. 12:15-13:00 Digital
3 Slavova , Moodle
Fr 01.10. 13:15-14:00 Digital
4 Slavova , Moodle
Fr 01.10. 14:00-14:45 Digital
5 Slavova , Moodle
Mo 04.10. 11:30-12:15 Digital
6 Slavova , Moodle
Mo 04.10. 12:15-13:00 Digital

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. 25 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle

Lehrende

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

    Termine (iCal) - nächster Termin ist mit N markiert

    Freitag 08.10. 11:30 - 12:15 Digital
    Freitag 15.10. 11:30 - 12:15 Digital
    Freitag 22.10. 11:30 - 12:15 Digital
    Freitag 29.10. 11:30 - 12:15 Digital
    Freitag 05.11. 11:30 - 12:15 Digital
    Freitag 12.11. 11:30 - 12:15 Digital
    Freitag 19.11. 11:30 - 12:15 Digital
    Freitag 26.11. 11:30 - 12:15 Digital
    Freitag 03.12. 11:30 - 12:15 Digital
    Freitag 10.12. 11:30 - 12:15 Digital
    Freitag 17.12. 11:30 - 12:15 Digital
    Freitag 07.01. 11:30 - 12:15 Digital
    Freitag 14.01. 11:30 - 12:15 Digital
    Freitag 21.01. 11:30 - 12:15 Digital
    Freitag 28.01. 11:30 - 12:15 Digital

    Art der Leistungskontrolle und erlaubte Hilfsmittel

    Als Softwarewerkzeug wird im Rahmen der Übung R eingesetzt, für die Abgabe und Präsentation der Beispiele werden Jupyter-Notebooks mit IRkernel verwendet.

    Es gibt insgesamt 10 Aufgabenblätter mit zu lösenden Aufgaben. 50 % der Gesamtbewertung werden für das beste Ergebnis bei Präsentationen von Beispielen der ersten 5 Blätter vergeben, 50 % für das beste Ergebnis für die restlichen 5 Blätter. Für ein bestimmtes Aufgabenblatt kann maximal eine Aufgabe präsentiert werden. Alle Beispiele sind sowohl manuell in Markdown und LaTeX als auch mit Hilfe von R zu lösen, ausser es ist für ein Beispiel explizit anders vermerkt.

    Prüfungsstoff

    Es werden Aufgabenblätter zu folgenden Inhalten durchgenommen: Kombinatorik, Laplace-Wahrscheinlichkeiten, Bedingte Wahrscheinlichkeiten und Unabhängigkeit, Zufallsvariablen und ihre Verteilungen, Erwartungswert und Varianz, Mehrdimensionale Zufallsvariablen, Schätzverfahren, Testverfahren 1, Testverfahren 2, Regressionsanalyse.

    Literatur

    - L. Fahrmeir et al. Statistik. Der Weg zur Datenanalyse. Springer, 2016.
    - J. Bleymüller, R. Weißbach, A. Dörre. Statistik für Wirtschaftswissenschaftler. Vahlen, 2020.
    - P. Dalgaard. Introductory Statistics with R. Springer, 2008.
    - A. Field, J. Miles. Discovering Statistics Using R. SAGE Publications Ltd, 2012.
    - M. J. Crawley. Statistics: An Introduction Using R. Wiley, 2014
    - R. M. Heiberger, B. Holland. Statistical Analysis and Data Display: An Intermediate Course with Examples in R. Springer, 2015.
    - R. Stinerock. Statistics with R: A Beginner's Guide. SAGE Publications Ltd, 2018.

    Gruppe 2

    max. 25 Teilnehmer*innen
    Sprache: Deutsch
    Lernplattform: Moodle

    Lehrende

    An/Abmeldung

    Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

      Termine (iCal) - nächster Termin ist mit N markiert

      Freitag 08.10. 12:15 - 13:00 Digital
      Freitag 15.10. 12:15 - 13:00 Digital
      Freitag 22.10. 12:15 - 13:00 Digital
      Freitag 29.10. 12:15 - 13:00 Digital
      Freitag 05.11. 12:15 - 13:00 Digital
      Freitag 12.11. 12:15 - 13:00 Digital
      Freitag 19.11. 12:15 - 13:00 Digital
      Freitag 26.11. 12:15 - 13:00 Digital
      Freitag 03.12. 12:15 - 13:00 Digital
      Freitag 10.12. 12:15 - 13:00 Digital
      Freitag 17.12. 12:15 - 13:00 Digital
      Freitag 07.01. 12:15 - 13:00 Digital
      Freitag 14.01. 12:15 - 13:00 Digital
      Freitag 21.01. 12:15 - 13:00 Digital
      Freitag 28.01. 12:15 - 13:00 Digital

      Art der Leistungskontrolle und erlaubte Hilfsmittel

      Als Softwarewerkzeug wird im Rahmen der Übung R eingesetzt, für die Abgabe und Präsentation der Beispiele werden Jupyter-Notebooks mit IRkernel verwendet.

      Es gibt insgesamt 10 Aufgabenblätter mit zu lösenden Aufgaben. 50 % der Gesamtbewertung werden für das beste Ergebnis bei Präsentationen von Beispielen der ersten 5 Blätter vergeben, 50 % für das beste Ergebnis für die restlichen 5 Blätter. Für ein bestimmtes Aufgabenblatt kann maximal eine Aufgabe präsentiert werden. Alle Beispiele sind sowohl manuell in Markdown und LaTeX als auch mit Hilfe von R zu lösen, ausser es ist für ein Beispiel explizit anders vermerkt.

      Prüfungsstoff

      Es werden Aufgabenblätter zu folgenden Inhalten durchgenommen: Kombinatorik, Laplace-Wahrscheinlichkeiten, Bedingte Wahrscheinlichkeiten und Unabhängigkeit, Zufallsvariablen und ihre Verteilungen, Erwartungswert und Varianz, Mehrdimensionale Zufallsvariablen, Schätzverfahren, Testverfahren 1, Testverfahren 2, Regressionsanalyse.

      Literatur

      - L. Fahrmeir et al. Statistik. Der Weg zur Datenanalyse. Springer, 2016.
      - J. Bleymüller, R. Weißbach, A. Dörre. Statistik für Wirtschaftswissenschaftler. Vahlen, 2020.
      - P. Dalgaard. Introductory Statistics with R. Springer, 2008.
      - A. Field, J. Miles. Discovering Statistics Using R. SAGE Publications Ltd, 2012.
      - M. J. Crawley. Statistics: An Introduction Using R. Wiley, 2014
      - R. M. Heiberger, B. Holland. Statistical Analysis and Data Display: An Intermediate Course with Examples in R. Springer, 2015.
      - R. Stinerock. Statistics with R: A Beginner's Guide. SAGE Publications Ltd, 2018.

      Gruppe 3

      max. 25 Teilnehmer*innen
      Sprache: Deutsch
      Lernplattform: Moodle

      Lehrende

      An/Abmeldung

      Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

        Termine (iCal) - nächster Termin ist mit N markiert

        Freitag 08.10. 13:15 - 14:00 Digital
        Freitag 15.10. 13:15 - 14:00 Digital
        Freitag 22.10. 13:15 - 14:00 Digital
        Freitag 29.10. 13:15 - 14:00 Digital
        Freitag 05.11. 13:15 - 14:00 Digital
        Freitag 12.11. 13:15 - 14:00 Digital
        Freitag 19.11. 13:15 - 14:00 Digital
        Freitag 26.11. 13:15 - 14:00 Digital
        Freitag 03.12. 13:15 - 14:00 Digital
        Freitag 10.12. 13:15 - 14:00 Digital
        Freitag 17.12. 13:15 - 14:00 Digital
        Freitag 07.01. 13:15 - 14:00 Digital
        Freitag 14.01. 13:15 - 14:00 Digital
        Freitag 21.01. 13:15 - 14:00 Digital
        Freitag 28.01. 13:15 - 14:00 Digital

        Art der Leistungskontrolle und erlaubte Hilfsmittel

        Als Softwarewerkzeug wird im Rahmen der Übung R eingesetzt, für die Abgabe und Präsentation der Beispiele werden Jupyter-Notebooks mit IRkernel verwendet.

        Es gibt insgesamt 10 Aufgabenblätter mit zu lösenden Aufgaben. 50 % der Gesamtbewertung werden für das beste Ergebnis bei Präsentationen von Beispielen der ersten 5 Blätter vergeben, 50 % für das beste Ergebnis für die restlichen 5 Blätter. Für ein bestimmtes Aufgabenblatt kann maximal eine Aufgabe präsentiert werden. Alle Beispiele sind sowohl manuell in Markdown und LaTeX als auch mit Hilfe von R zu lösen, ausser es ist für ein Beispiel explizit anders vermerkt.

        Prüfungsstoff

        Es werden Aufgabenblätter zu folgenden Inhalten durchgenommen: Kombinatorik, Laplace-Wahrscheinlichkeiten, Bedingte Wahrscheinlichkeiten und Unabhängigkeit, Zufallsvariablen und ihre Verteilungen, Erwartungswert und Varianz, Mehrdimensionale Zufallsvariablen, Schätzverfahren, Testverfahren 1, Testverfahren 2, Regressionsanalyse.

        Literatur

        - L. Fahrmeir et al. Statistik. Der Weg zur Datenanalyse. Springer, 2016.
        - J. Bleymüller, R. Weißbach, A. Dörre. Statistik für Wirtschaftswissenschaftler. Vahlen, 2020.
        - P. Dalgaard. Introductory Statistics with R. Springer, 2008.
        - A. Field, J. Miles. Discovering Statistics Using R. SAGE Publications Ltd, 2012.
        - M. J. Crawley. Statistics: An Introduction Using R. Wiley, 2014
        - R. M. Heiberger, B. Holland. Statistical Analysis and Data Display: An Intermediate Course with Examples in R. Springer, 2015.
        - R. Stinerock. Statistics with R: A Beginner's Guide. SAGE Publications Ltd, 2018.

        Gruppe 4

        max. 25 Teilnehmer*innen
        Sprache: Deutsch
        Lernplattform: Moodle

        Lehrende

        An/Abmeldung

        Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

          Termine (iCal) - nächster Termin ist mit N markiert

          Freitag 08.10. 14:00 - 14:45 Digital
          Freitag 15.10. 14:00 - 14:45 Digital
          Freitag 22.10. 14:00 - 14:45 Digital
          Freitag 29.10. 14:00 - 14:45 Digital
          Freitag 05.11. 14:00 - 14:45 Digital
          Freitag 12.11. 14:00 - 14:45 Digital
          Freitag 19.11. 14:00 - 14:45 Digital
          Freitag 26.11. 14:00 - 14:45 Digital
          Freitag 03.12. 14:00 - 14:45 Digital
          Freitag 10.12. 14:00 - 14:45 Digital
          Freitag 17.12. 14:00 - 14:45 Digital
          Freitag 07.01. 14:00 - 14:45 Digital
          Freitag 14.01. 14:00 - 14:45 Digital
          Freitag 21.01. 14:00 - 14:45 Digital
          Freitag 28.01. 14:00 - 14:45 Digital

          Art der Leistungskontrolle und erlaubte Hilfsmittel

          Als Softwarewerkzeug wird im Rahmen der Übung R eingesetzt, für die Abgabe und Präsentation der Beispiele werden Jupyter-Notebooks mit IRkernel verwendet.

          Es gibt insgesamt 10 Aufgabenblätter mit zu lösenden Aufgaben. 50 % der Gesamtbewertung werden für das beste Ergebnis bei Präsentationen von Beispielen der ersten 5 Blätter vergeben, 50 % für das beste Ergebnis für die restlichen 5 Blätter. Für ein bestimmtes Aufgabenblatt kann maximal eine Aufgabe präsentiert werden. Alle Beispiele sind sowohl manuell in Markdown und LaTeX als auch mit Hilfe von R zu lösen, ausser es ist für ein Beispiel explizit anders vermerkt.

          Prüfungsstoff

          Es werden Aufgabenblätter zu folgenden Inhalten durchgenommen: Kombinatorik, Laplace-Wahrscheinlichkeiten, Bedingte Wahrscheinlichkeiten und Unabhängigkeit, Zufallsvariablen und ihre Verteilungen, Erwartungswert und Varianz, Mehrdimensionale Zufallsvariablen, Schätzverfahren, Testverfahren 1, Testverfahren 2, Regressionsanalyse.

          Literatur

          - L. Fahrmeir et al. Statistik. Der Weg zur Datenanalyse. Springer, 2016.
          - J. Bleymüller, R. Weißbach, A. Dörre. Statistik für Wirtschaftswissenschaftler. Vahlen, 2020.
          - P. Dalgaard. Introductory Statistics with R. Springer, 2008.
          - A. Field, J. Miles. Discovering Statistics Using R. SAGE Publications Ltd, 2012.
          - M. J. Crawley. Statistics: An Introduction Using R. Wiley, 2014
          - R. M. Heiberger, B. Holland. Statistical Analysis and Data Display: An Intermediate Course with Examples in R. Springer, 2015.
          - R. Stinerock. Statistics with R: A Beginner's Guide. SAGE Publications Ltd, 2018.

          Gruppe 5

          max. 25 Teilnehmer*innen
          Sprache: Deutsch
          Lernplattform: Moodle

          Lehrende

          An/Abmeldung

          Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

            Termine (iCal) - nächster Termin ist mit N markiert

            Montag 11.10. 11:30 - 12:15 Digital
            Montag 18.10. 11:30 - 12:15 Digital
            Montag 25.10. 11:30 - 12:15 Digital
            Montag 08.11. 11:30 - 12:15 Digital
            Montag 15.11. 11:30 - 12:15 Digital
            Montag 22.11. 11:30 - 12:15 Digital
            Montag 29.11. 11:30 - 12:15 Digital
            Montag 06.12. 11:30 - 12:15 Digital
            Montag 13.12. 11:30 - 12:15 Digital
            Montag 10.01. 11:30 - 12:15 Digital
            Montag 17.01. 11:30 - 12:15 Digital
            Montag 24.01. 11:30 - 12:15 Digital
            Montag 31.01. 11:30 - 12:15 Digital

            Art der Leistungskontrolle und erlaubte Hilfsmittel

            Als Softwarewerkzeug wird im Rahmen der Übung R eingesetzt, für die Abgabe und Präsentation der Beispiele werden Jupyter-Notebooks mit IRkernel verwendet.
            Es gibt insgesamt 10 Aufgabenblätter mit zu lösenden Aufgaben. 50 % der Gesamtbewertung werden für das beste Ergebnis bei Präsentationen von Beispielen der ersten 5 Blätter vergeben, 50 % für das beste Ergebnis für die restlichen 5 Blätter. Für ein bestimmtes Aufgabenblatt kann maximal eine Aufgabe präsentiert werden. Alle Beispiele sind sowohl manuell in Markdown und LaTeX als auch mit Hilfe von R zu lösen, ausser es ist für ein Beispiel explizit anders vermerkt.

            Prüfungsstoff

            Es werden Aufgabenblätter zu folgenden Inhalten durchgenommen: Kombinatorik, Laplace-Wahrscheinlichkeiten, Bedingte Wahrscheinlichkeiten und Unabhängigkeit, Zufallsvariablen und ihre Verteilungen, Erwartungswert und Varianz, Mehrdimensionale Zufallsvariablen, Schätzverfahren, Testverfahren 1, Testverfahren 2, Regressionsanalyse.

            Literatur

            L. Fahrmeir et al. Statistik. Der Weg zur Datenanalyse. Springer, 2016.
            J. Bleymüller, R. Weißbach, A. Dörre. Statistik für Wirtschaftswissenschaftler. Vahlen, 2020.
            P. Dalgaard. Introductory Statistics with R. Springer, 2008.
            A. Field, J. Miles. Discovering Statistics Using R. SAGE Publications Ltd, 2012.
            M. J. Crawley. Statistics: An Introduction Using R. Wiley, 2014
            R. M. Heiberger, B. Holland. Statistical Analysis and Data Display: An Intermediate Course with Examples in R. Springer, 2015.
            R. Stinerock. Statistics with R: A Beginner's Guide. SAGE Publications Ltd, 2018.

            Gruppe 6

            max. 25 Teilnehmer*innen
            Sprache: Deutsch
            Lernplattform: Moodle

            Lehrende

            An/Abmeldung

            Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

              Termine (iCal) - nächster Termin ist mit N markiert

              Montag 11.10. 12:15 - 13:00 Digital
              Montag 18.10. 12:15 - 13:00 Digital
              Montag 25.10. 12:15 - 13:00 Digital
              Montag 08.11. 12:15 - 13:00 Digital
              Montag 15.11. 12:15 - 13:00 Digital
              Montag 22.11. 12:15 - 13:00 Digital
              Montag 29.11. 12:15 - 13:00 Digital
              Montag 06.12. 12:15 - 13:00 Digital
              Montag 13.12. 12:15 - 13:00 Digital
              Montag 10.01. 12:15 - 13:00 Digital
              Montag 17.01. 12:15 - 13:00 Digital
              Montag 24.01. 12:15 - 13:00 Digital
              Montag 31.01. 12:15 - 13:00 Digital

              Art der Leistungskontrolle und erlaubte Hilfsmittel

              Als Softwarewerkzeug wird im Rahmen der Übung R eingesetzt, für die Abgabe und Präsentation der Beispiele werden Jupyter-Notebooks mit IRkernel verwendet.
              Es gibt insgesamt 10 Aufgabenblätter mit zu lösenden Aufgaben. 50 % der Gesamtbewertung werden für das beste Ergebnis bei Präsentationen von Beispielen der ersten 5 Blätter vergeben, 50 % für das beste Ergebnis für die restlichen 5 Blätter. Für ein bestimmtes Aufgabenblatt kann maximal eine Aufgabe präsentiert werden. Alle Beispiele sind sowohl manuell in Markdown und LaTeX als auch mit Hilfe von R zu lösen, ausser es ist für ein Beispiel explizit anders vermerkt.

              Prüfungsstoff

              Es werden Übungsblätter zu folgenden Inhalten durchgenommen: Kombinatorik, Laplace-Wahrscheinlichkeiten, Bedingte Es werden Aufgabenblätter zu folgenden Inhalten durchgenommen: Kombinatorik, Laplace-Wahrscheinlichkeiten, Bedingte Wahrscheinlichkeiten und Unabhängigkeit, Zufallsvariablen und ihre Verteilungen, Erwartungswert und Varianz, Mehrdimensionale Zufallsvariablen, Schätzverfahren, Testverfahren 1, Testverfahren 2, Regressionsanalyse.

              Literatur

              L. Fahrmeir et al. Statistik. Der Weg zur Datenanalyse. Springer, 2016.
              J. Bleymüller, R. Weißbach, A. Dörre. Statistik für Wirtschaftswissenschaftler. Vahlen, 2020.
              P. Dalgaard. Introductory Statistics with R. Springer, 2008.
              A. Field, J. Miles. Discovering Statistics Using R. SAGE Publications Ltd, 2012.
              M. J. Crawley. Statistics: An Introduction Using R. Wiley, 2014
              R. M. Heiberger, B. Holland. Statistical Analysis and Data Display: An Intermediate Course with Examples in R. Springer, 2015.
              R. Stinerock. Statistics with R: A Beginner's Guide. SAGE Publications Ltd, 2018.

              Information

              Ziele, Inhalte und Methode der Lehrveranstaltung

              Die Studierenden verfügen über Fähigkeiten empirische Sachverhalte mittels statistischer Basistechniken zu beschreiben und graphisch korrekt zu repräsentieren; sowie über ein prinzipielles Verständnis für die grundlegenden Konzepte der Wahrscheinlichkeitstheorie und der inferenzstatistischen Modellierung und Methodik. Die Studierenden sind in der Lage inhaltliche Fragestellungen in statistische Modelle zu übersetzen und diese mittels adäquater Techniken der Inferenzstatistik korrekt zu beantworten. Dabei können sie moderne Softwarewerkzeuge für Analytik und Visualisierung zur Beantwortung datenanalytischer Fragestellungen erfolgreich anwenden. Ziel dieser Übung ist es, den Stoff der Vorlesung zu vertiefen und anwenden zu lernen. Es wird überprüft, inwieweit das in der Vorlesung Gelernte umgesetzt werden kann. Weiters sollen Unklarheiten in Bezug auf das Verständnis des Stoffes beseitigt werden.

              Mindestanforderungen und Beurteilungsmaßstab

              Diese Lehrveranstaltung wird digital über ZOOM abgehalten.

              Die Aufgabenblätter werden als Jupyter-Notebooks über Moodle-Aufgaben zur Verfügung gestellt und müssen bis zur angegebenen Frist abgegeben werden. Nach jeder Deadline wird eine Lösung für jede Aufgabe zufällig ausgewählt, wobei Studierende mit einem niedrigeren bisher erreichten Prozentanteil (0 % - 50 %) für diesen Bewertungsaspekt priorisiert werden. Die ausgewählten Studierenden werden kontaktiert und präsentieren ihr Beispiel in der Übung.

              Die Notenskala lautet wie folgt: 1: zumindest 90 %, 2: zumindest 80 %, 3: zumindest 65 %, 4: zumindest 50 %.

              Zuordnung im Vorlesungsverzeichnis

              Module: DAS EST UF-INF-12

              Letzte Änderung: Do 16.09.2021 13:27