Universität Wien

040769 UK Programming in Statistics (2021W)

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

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

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 Montag, den 04.10. von 18:30 bis 20:00 Uhr (digital)
* 5 schriftliche Quiz mittwochs am 20.10., 03.11., 17.11., 01.12 und 15.12. jeweils von 14:00 bis 14:45 Uhr digital via Moodle
* Schriftlicher Test am Mittwoch, den 19.01. von 13:15 bis 14:45 Uhr digital via Moodle

_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 (Dauer pro Übungseinheit: 45 Minuten). Es gibt 7 Gruppen, die an folgenden Donnerstagen stattfinden: 28.10., 11.11., 25.11., 09.12., 13.01. (digital). Der Zeitplan:

* Gruppe 1: 13:15 bis 14:00
* Gruppe 2: 14:00 bis 14:45
* Gruppe 3: 15:00 bis 15:45
* Gruppe 4: 15:45 bis 16:30
* Gruppe 5: 16:45 bis 17:30
* Gruppe 6: 17:30 bis 18:15
* Gruppe 7: 18:15 bis 19:00

Die Anmeldung zu den Übungsgruppen erfolgt ab 04.10. via Moodle, bis Donnerstag, den 07.10. um 14 Uhr könnt ihr eure Gruppenpräferenzen via Moodle abgeben. Bis Mittwoch, den 13.10. werden die Gruppen fixiert.

Am Ende der Lehrveranstaltung gibt es eine Projektarbeit, die in Gruppen von 1 bis 3 Studierenden bearbeitet werden können. Die Projektarbeiten werden zwischen Ende Jänner und Anfang März 2022 in persönlichen Gesprächen diskutiert. Die Termine dafür werden im Laufe des Semesters vereinbart.

Zusatzangebote ohne Anwesenheitspflicht

* Vorlesung (Daniel Obszelka): mittwochs von 06.10. bis 12.01. von 15:00 bis 18:15 Uhr sowie am Dienstag, den 30.11. und 07.12. 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 11.10. von 18:30 bis 20:00 Uhr (digital). Hier werden Fragen zum Stoff / zur Hausübung geklärt und ggf. weitere Beispiele besprochen.
* Schwerpunktfrageeinheit (Danijel Kivaranovic): am Dienstag, den 05.10. (Schwerpunkt Installation von R, Entwicklungsumgebung R-Studio), 18.01. (Testvorbereitung) und 25.01. (Fragen zur Projektarbeit) von 16:45 bis 18:15 Uhr (digital).

  • Monday 04.10. 18:30 - 20:00 Digital
  • Tuesday 05.10. 16:45 - 18:15 Digital
  • Wednesday 06.10. 13:15 - 14:45 Digital
  • Wednesday 06.10. 15:00 - 18:15 Digital
  • Monday 11.10. 18:30 - 20:00 Digital
  • Tuesday 12.10. 16:45 - 18:15 Digital
  • Wednesday 13.10. 13:15 - 14:45 Digital
  • Wednesday 13.10. 15:00 - 18:15 Digital
  • Monday 18.10. 18:30 - 20:00 Digital
  • Tuesday 19.10. 16:45 - 18:15 Digital
  • Wednesday 20.10. 13:15 - 14:45 Digital
  • Wednesday 20.10. 15:00 - 18:15 Digital
  • Monday 25.10. 18:30 - 20:00 Digital
  • Wednesday 27.10. 13:15 - 14:45 Digital
  • Wednesday 27.10. 15:00 - 18:15 Digital
  • Wednesday 03.11. 13:15 - 14:45 Digital
  • Wednesday 03.11. 15:00 - 18:15 Digital
  • Monday 08.11. 18:30 - 20:00 Digital
  • Tuesday 09.11. 16:45 - 18:15 Digital
  • Wednesday 10.11. 13:15 - 14:45 Digital
  • Wednesday 10.11. 15:00 - 18:15 Digital
  • Monday 15.11. 18:30 - 20:00 Digital
  • Tuesday 16.11. 16:45 - 18:15 Digital
  • Wednesday 17.11. 13:15 - 14:45 Digital
  • Wednesday 17.11. 15:00 - 18:15 Digital
  • Monday 22.11. 18:30 - 20:00 Digital
  • Tuesday 23.11. 16:45 - 18:15 Digital
  • Wednesday 24.11. 13:15 - 14:45 Digital
  • Wednesday 24.11. 15:00 - 18:15 Digital
  • Monday 29.11. 18:30 - 20:00 Digital
  • Tuesday 30.11. 16:45 - 18:15 Digital
  • Wednesday 01.12. 13:15 - 14:45 Digital
  • Wednesday 01.12. 15:00 - 18:15 Digital
  • Monday 06.12. 18:30 - 20:00 Digital
  • Tuesday 07.12. 16:45 - 18:15 Digital
  • Monday 13.12. 18:30 - 20:00 Digital
  • Tuesday 14.12. 16:45 - 18:15 Digital
  • Wednesday 15.12. 13:15 - 14:45 Digital
  • Wednesday 15.12. 15:00 - 18:15 Digital
  • Monday 10.01. 18:30 - 20:00 Digital
  • Tuesday 11.01. 16:45 - 18:15 Digital
  • Wednesday 12.01. 13:15 - 14:45 Digital
  • Wednesday 12.01. 15:00 - 18:15 Digital
  • Monday 17.01. 18:30 - 20:00 Digital
  • Tuesday 18.01. 16:45 - 18:15 Digital
  • Wednesday 19.01. 13:15 - 14:45 Digital
  • Wednesday 19.01. 15:00 - 18:15 Digital
  • Monday 24.01. 18:30 - 20:00 Digital
  • Tuesday 25.01. 16:45 - 18:15 Digital
  • Wednesday 26.01. 13:15 - 14:45 Digital
  • Wednesday 26.01. 15:00 - 18:15 Digital
  • Monday 31.01. 18:30 - 20:00 Digital

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