Universität Wien

040769 UK Programming in Statistics (2020W)

7.00 ECTS (4.00 SWS), SPL 4 - Wirtschaftswissenschaften
Continuous assessment of course work

Formale Voraussetzung für die Teilnahme am Kurs ist die erfolgreiche Absolvierung der STEOP.

Das Tutorium zur LVA findet am Donnerstag, 16:45 - 18:15 im PC-SR 02 statt:

DO wtl von 03.10.2019 bis 30.01.2020 16.45-18.15 Ort: PC-Seminarraum 2 Oskar-Morgenstern-Platz 1 1.Untergeschoß

Es werden Vorkenntnisse über die Grundlagen der Wahrscheinlichkeitsrechnung und Statistik (Verteilungen, Hypothesentests (zB T-Test, Chi-Quadrat-Test), lineare Regression) empfohlen.

Programmiervorerfahrungen sind keine nötig.

Moodle

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).

Details

max. 60 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

Der Kurs ist in 5 Kurseinheiten gegliedert und wird leicht geblockt abgehalten. In jeder Kurseinheit gibt es ein schriftliches Quiz und eine Hausübung.

Wichtige Termine mit Anwesenheitspflicht:
* Vorbesprechung am Donnerstag, den 01.10. von 16:45 bis 18:15 Uhr (digital)
* 5 schriftliche Quiz mittwochs am 14.10., 28.10., 11.11., 02.12 und 16.12. jeweils von 14:00 bis 14:45 Uhr digital via Moodle
* Schriftlicher Test am Mittwoch, den 20.01. von 13:15 bis 14:45 Uhr in HS1

_Achtung_: Ob der Test tatsächlich in HS1 stattfindet, wird bis Anfang Jänner bekannt gegeben. Falls er nicht in HS1 stattfinden kann, wird er - wie auch die Quiz - digital abgehalten.

_Achtung_: Ein unentschuldigtes Fehlen in der Vorbesprechung führt zu einer sofortigen Abmeldung von der Lehrveranstaltung.

Jede der 5 Hausübungen wird gemeinsam mit Danijel Kivaranovic in kleineren Gruppen besprochen. Es gibt 6 Gruppen, die an folgenden Terminen stattfinden:
* Gruppen 1 bis 3: dienstags am 20.10., 03.11., 24.11., 08.12. und 12.01. zwischen 16:45 und 18:15 Uhr (digital)
* Gruppen 4 bis 6: mittwochs am 21.10., 04.11., 25.11., 09.12 und 13.01. zwischen 13:15 bis 14:45 Uhr (digital)
Die Anmeldung zu den Übungsgruppen erfolgt via Moodle, bis Freitag, den 09.10. 14 Uhr könnt ihr eure Gruppenpräferenzen via Moodle abgeben. Bis Mittwoch, den 14.10. werden die Gruppen fixiert.

Zusatzangebote ohne Anwesenheitspflicht:
* Vorlesung (Daniel Obszelka): am Montag, den 05.10. von 18:30 bis 20:00 Uhr, an den quizfreien Mittwochen jeweils von 16:45 bis 18:15 Uhr sowie donnerstags am 08.10., 15.10., 22.10., 29.10., 05.11., 19.11., 26.11., 03.12., 17.12. und 14.01. jeweils von 16:45 bis 18:15 Uhr (digital). In der Vorlesung werden die wesentlichen Stoffkomponenten der jeweiligen Kurseinheit erläutert. Die Vorlesungen werden aufgezeichnet und die Videos zur Verfügung gestellt.
* Frageeinheit (Levin Tröster): montags ab 12.10. von 18:30 - 20:00 Uhr (digital). Hier werden Fragen zum Stoff / zur Hausübung geklärt und ggf. weitere Beispiele besprochen.
* Frageeinheit (Danijel Kivaranovic): dienstags ab 06.10. an den übungsfreien Tagen (siehe oben) von 16:45-18:15 Uhr (digital). Hier werden Fragen zum Stoff geklärt und ggf. weitere Beispiele besprochen.

_Achtung_: Bedingt durch COVID-19 kann es zu kurzfristigen Änderungen kommen. Der Freitagtermin (18:30 bis 20:00) findet planmäßig nicht statt, er dient als Backup.

  • Thursday 01.10. 16:45 - 18:15 Digital
  • Friday 02.10. 18:30 - 20:00 Digital
  • Monday 05.10. 18:30 - 20:00 Digital
  • Tuesday 06.10. 16:45 - 18:15 Digital
  • Wednesday 07.10. 16:45 - 18:15 Digital
  • Thursday 08.10. 16:45 - 18:15 Digital
  • Friday 09.10. 18:30 - 20:00 Digital
  • Monday 12.10. 18:30 - 20:00 Digital
  • Tuesday 13.10. 16:45 - 18:15 Digital
  • Wednesday 14.10. 13:15 - 14:45 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Thursday 15.10. 16:45 - 18:15 Digital
  • Friday 16.10. 18:30 - 20:00 Digital
  • Monday 19.10. 18:30 - 20:00 Digital
  • Tuesday 20.10. 16:45 - 18:15 Digital
  • Wednesday 21.10. 16:45 - 18:15 Digital
  • Thursday 22.10. 16:45 - 18:15 Digital
  • Friday 23.10. 18:30 - 20:00 Digital
  • Tuesday 27.10. 16:45 - 18:15 Digital
  • Wednesday 28.10. 13:15 - 14:45 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Thursday 29.10. 16:45 - 18:15 Digital
  • Friday 30.10. 18:30 - 20:00 Digital
  • Tuesday 03.11. 16:45 - 18:15 Digital
  • Wednesday 04.11. 16:45 - 18:15 Digital
  • Thursday 05.11. 16:45 - 18:15 Digital
  • Friday 06.11. 18:30 - 20:00 Digital
  • Monday 09.11. 18:30 - 20:00 Digital
  • Tuesday 10.11. 16:45 - 18:15 Digital
  • Wednesday 11.11. 13:15 - 14:45 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Thursday 12.11. 16:45 - 18:15 Digital
  • Friday 13.11. 18:30 - 20:00 Digital
  • Monday 16.11. 18:30 - 20:00 Digital
  • Tuesday 17.11. 16:45 - 18:15 Digital
  • Wednesday 18.11. 16:45 - 18:15 Digital
  • Thursday 19.11. 16:45 - 18:15 Digital
  • Friday 20.11. 18:30 - 20:00 Digital
  • Monday 23.11. 18:30 - 20:00 Digital
  • Tuesday 24.11. 16:45 - 18:15 Digital
  • Wednesday 25.11. 16:45 - 18:15 Digital
  • Thursday 26.11. 16:45 - 18:15 Digital
  • Friday 27.11. 18:30 - 20:00 Digital
  • Monday 30.11. 18:30 - 20:00 Digital
  • Tuesday 01.12. 16:45 - 18:15 Digital
  • Wednesday 02.12. 13:15 - 14:45 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Thursday 03.12. 16:45 - 18:15 Digital
  • Friday 04.12. 18:30 - 20:00 Digital
  • Monday 07.12. 18:30 - 20:00 Digital
  • Wednesday 09.12. 16:45 - 18:15 Digital
  • Thursday 10.12. 16:45 - 18:15 Digital
  • Friday 11.12. 18:30 - 20:00 Digital
  • Monday 14.12. 18:30 - 20:00 Digital
  • Tuesday 15.12. 16:45 - 18:15 Digital
  • Wednesday 16.12. 13:15 - 14:45 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Thursday 17.12. 16:45 - 18:15 Digital
  • Friday 18.12. 18:30 - 20:00 Digital
  • Thursday 07.01. 16:45 - 18:15 Digital
  • Friday 08.01. 18:30 - 20:00 Digital
  • Monday 11.01. 18:30 - 20:00 Digital
  • Tuesday 12.01. 16:45 - 18:15 Digital
  • Wednesday 13.01. 16:45 - 18:15 Digital
  • Thursday 14.01. 16:45 - 18:15 Digital
  • Friday 15.01. 18:30 - 20:00 Digital
  • Monday 18.01. 18:30 - 20:00 Digital
  • Tuesday 19.01. 16:45 - 18:15 Digital
  • Wednesday 20.01. 13:15 - 14:45 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß

Information

Aims, contents and method of the course

R ist eine Programmiersprache, die sich hervorragend für statistische Analysen und die Erstellung von Grafiken eignet. Dieser Kurs ist eine ausführliche Einführung in R (www.r-project.org). Wir besprechen unter anderem folgende Themen:
*) Datenstrukturen und deren Einsatz (Vektoren, Matrizen, Listen, Data.frames)
*) Zeichenketten (Strings) bearbeiten
*) Umgang mit kategoriellen Variablen (Faktoren) und fehlenden Werten
*) Wiederholte Anwendung von Funktionen
*) Kontrollstrukturen (Schleifen, Verzweigungen)
*) Eigene Funktionen schreiben
*) Daten einlesen, speichern und aufbereiten
*) Statistische Methoden in R
*) Simulation
*) Grafiken erstellen

Bei den statistischen Methoden beschränken wir uns auf elementare Verfahren (T-Test, Binomialtest, Chi-Quadrat-Test, Lineare Regression). Wir besprechen keine "neuen" statistischen Methoden. Vielmehr forcieren wir das Konzept "Hilfe zur Selbsthilfe" bzw. verweisen auf weiterführende Lehrveranstaltungen und Literatur.

Am Ende des Kurses sollen die Studierenden in der Lage sein
*) R sicher und effizient anzuwenden,
*) leicht lesbare und funktionstüchtige Programme mit R zu entwickeln,
*) statistische Problemstellungen mit R erfolgreich zu bearbeiten und
*) ausgewählte theoretische Konzepte hinter R zu verstehen.

Assessment and permitted materials

In Summe können im Laufe der Lehrveranstaltung bei folgenden Gelegenheiten bis zu 80 Punkte gesammelt werden:
*) Regelmäßige schriftliche Quiz (5 x 5, 1 Streichresultat): 20 Punkte
*) Abgabe und Besprechung von Übungsaufgaben (5 Übungsblätter): 20 Punkte
*) Schriftlicher Test: 20 Punkte
*) Projektarbeit und Abschlussgespräch: 20 Punkte

Bei den Quiz und beim Test sind außer Schreibzeug keine Hilfsmittel zugelassen.

Minimum requirements and assessment criteria

Die erzielten Punkte p werden am Ende der Lehrveranstaltung wie folgt in eine Note umgerechnet:
p in [0, 40) : Nicht Genügend
p in [40, 50): Genügend
p in [50, 60): Befriedigend
p in [60, 70): Gut
p >= 70: Sehr gut

Es gibt keine Mindestanforderungen für irgendeine Teilleistung.

Examination topics

Siehe Inhalt oben.

Reading list

Die Lehrveranstaltung basiert auf folgendem Buch:

Daniel Obszelka, Andreas Baierl: Statistisches Programmieren mit R - Eine ausführliche, übersichtliche, spannende und praxiserprobte Einführung. Springer

Prüfungsrelevante Teile des Buches werden auf Moodle zur Verfügung gestellt.

Association in the course directory

Last modified: Fr 12.05.2023 00:13