040713 UK Applied Statistics (2023W)
Continuous assessment of course work
Labels
ON-SITE
Registration/Deregistration
Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).
- Registration is open from Mo 11.09.2023 09:00 to Fr 22.09.2023 12:00
- Deregistration possible until Fr 20.10.2023 23:59
Details
max. 60 participants
Language: German
Lecturers
Classes (iCal) - next class is marked with N
Tuesday
03.10.
16:45 - 18:15
Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
Tuesday
10.10.
16:45 - 18:15
Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
Tuesday
17.10.
16:45 - 18:15
Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
Tuesday
24.10.
16:45 - 18:15
Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
Tuesday
31.10.
13:15 - 14:45
Seminarraum 14 Oskar-Morgenstern-Platz 1 2.Stock
Tuesday
31.10.
16:45 - 18:15
Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
Tuesday
07.11.
16:45 - 18:15
Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
Tuesday
14.11.
13:15 - 14:45
Hörsaal 8 Oskar-Morgenstern-Platz 1 1.Stock
Tuesday
14.11.
16:45 - 18:15
Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
Tuesday
21.11.
13:15 - 14:45
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Tuesday
21.11.
16:45 - 18:15
Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
Tuesday
28.11.
16:45 - 18:15
Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
Tuesday
05.12.
16:45 - 18:15
Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
Tuesday
12.12.
16:45 - 18:15
Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
Tuesday
16.01.
13:15 - 14:45
Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
Tuesday
16.01.
16:45 - 18:15
Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
Tuesday
23.01.
16:45 - 18:15
Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
Information
Aims, contents and method of the course
Assessment and permitted materials
Es gibt eine Programmieraufgabe zu jedem Thema. Die Programmieraufgaben werden am 14.11.2023 und am 09.01.2024 vergeben und eine Woche später abgegeben und besprochen.
Zusätzlich gibt es eine schriftliche Abschlussprüfung in Präsenz zu den theoretischen Inhalten am 23.01.2024.Die Verwendung von KI-Tools (z. B. ChatGPT) für die Produktion von Texten ist nur dann erlaubt, wenn diese von der Lehrveranstaltungsleitung ausdrücklich gefordert werden (z. B. für einzelne Arbeitsaufgaben).
Zusätzlich gibt es eine schriftliche Abschlussprüfung in Präsenz zu den theoretischen Inhalten am 23.01.2024.Die Verwendung von KI-Tools (z. B. ChatGPT) für die Produktion von Texten ist nur dann erlaubt, wenn diese von der Lehrveranstaltungsleitung ausdrücklich gefordert werden (z. B. für einzelne Arbeitsaufgaben).
Minimum requirements and assessment criteria
30 Punkte Programmieraufgabe zum Thema 1
30 Punkte Programmieraufgabe zum Thema 2
40 Punkte schriftliche AbschlussprüfungDie Note ermittelt sich nach folgendem Schema: 4 ab 50 Punkten, 3 ab 63 Punkten, 2 ab 75 Punkten, 1 ab 87 Punkten.
30 Punkte Programmieraufgabe zum Thema 2
40 Punkte schriftliche AbschlussprüfungDie Note ermittelt sich nach folgendem Schema: 4 ab 50 Punkten, 3 ab 63 Punkten, 2 ab 75 Punkten, 1 ab 87 Punkten.
Examination topics
Inhalte der behandelten Themen
Reading list
Kosinski, M., Wang, Y., Lakkaraju, H., Leskovec, J. (2016) Mining big data to extract patterns and predict real-life outcomes, Psychological Methods 21(4), 493-506.
James, G., Witten, D., Hastie, T., Tibshirani, T. An introduction to statistical learning with applications in R.
James, G., Witten, D., Hastie, T., Tibshirani, T. An introduction to statistical learning with applications in R.
Association in the course directory
Last modified: We 18.10.2023 11:47
Erwerb von Kenntnissen in der Anwendung statistischer Methoden auf praktische Fragestellungen und die Lösung von konkreten Anwendungsproblemen.Inhalte:
Die Vorlesung basiert auf dem Aufsatz von Kosinski et al. (2016) "Mining big data to extract patterns and predict real-life outcomes"
https://www.apa.org/pubs/journals/features/met-met0000104.pdfEs werden mithilfe der Daten aus diesem Aufsatz die Datenreduktion und Strukturerkennung mit
1. SVD (Singulärwertzerlegung) und LDA (latent Dirichlet allocation) in der Regression
und
2. Partiellen kleinsten Quadraten (PLS) und Lasso
besprochen.Methoden:
Vorlesung mit kombinierter Übung. Je nach Teilnehmerzahl werden die Übungen in zwei Gruppen stattfinden.
Vorlesungsskript und Daten werden zur Verfügung gestellt.
Studierende müssen in statistischer Software am eigenen Rechner programmieren.