Universität Wien FIND

Due to the COVID-19 pandemic, changes to courses and exams may be necessary at short notice. Inform yourself about the current status on u:find and check your e-mails regularly.

Please read the information on https://studieren.univie.ac.at/en/info.

Warning! The directory is not yet complete and will be amended until the beginning of the term.

051131 UE Introductory Statistics (2021W)

Continuous assessment of course work
REMOTE

Summary

1 Slavova , Moodle
Fr 28.01. 11:30-12:15 Digital
2 Slavova , Moodle
Fr 28.01. 12:15-13:00 Digital
3 Slavova , Moodle
Fr 28.01. 13:15-14:00 Digital
4 Slavova , Moodle
Fr 28.01. 14:00-14:45 Digital
5 Slavova , Moodle
Mo 31.01. 11:30-12:15 Digital
6 Slavova , Moodle
Mo 31.01. 12:15-13:00 Digital

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 information is available for each group.

Groups

Group 1

max. 25 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Friday 01.10. 11:30 - 12:15 Digital
Friday 08.10. 11:30 - 12:15 Digital
Friday 15.10. 11:30 - 12:15 Digital
Friday 22.10. 11:30 - 12:15 Digital
Friday 29.10. 11:30 - 12:15 Digital
Friday 05.11. 11:30 - 12:15 Digital
Friday 12.11. 11:30 - 12:15 Digital
Friday 19.11. 11:30 - 12:15 Digital
Friday 26.11. 11:30 - 12:15 Digital
Friday 03.12. 11:30 - 12:15 Digital
Friday 10.12. 11:30 - 12:15 Digital
Friday 17.12. 11:30 - 12:15 Digital
Friday 07.01. 11:30 - 12:15 Digital
Friday 14.01. 11:30 - 12:15 Digital
Friday 21.01. 11:30 - 12:15 Digital

Assessment and permitted materials

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.

Examination topics

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.

Reading list

- 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.

Group 2

max. 25 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Friday 01.10. 12:15 - 13:00 Digital
Friday 08.10. 12:15 - 13:00 Digital
Friday 15.10. 12:15 - 13:00 Digital
Friday 22.10. 12:15 - 13:00 Digital
Friday 29.10. 12:15 - 13:00 Digital
Friday 05.11. 12:15 - 13:00 Digital
Friday 12.11. 12:15 - 13:00 Digital
Friday 19.11. 12:15 - 13:00 Digital
Friday 26.11. 12:15 - 13:00 Digital
Friday 03.12. 12:15 - 13:00 Digital
Friday 10.12. 12:15 - 13:00 Digital
Friday 17.12. 12:15 - 13:00 Digital
Friday 07.01. 12:15 - 13:00 Digital
Friday 14.01. 12:15 - 13:00 Digital
Friday 21.01. 12:15 - 13:00 Digital

Assessment and permitted materials

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.

Examination topics

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.

Reading list

- 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.

Group 3

max. 25 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Friday 01.10. 13:15 - 14:00 Digital
Friday 08.10. 13:15 - 14:00 Digital
Friday 15.10. 13:15 - 14:00 Digital
Friday 22.10. 13:15 - 14:00 Digital
Friday 29.10. 13:15 - 14:00 Digital
Friday 05.11. 13:15 - 14:00 Digital
Friday 12.11. 13:15 - 14:00 Digital
Friday 19.11. 13:15 - 14:00 Digital
Friday 26.11. 13:15 - 14:00 Digital
Friday 03.12. 13:15 - 14:00 Digital
Friday 10.12. 13:15 - 14:00 Digital
Friday 17.12. 13:15 - 14:00 Digital
Friday 07.01. 13:15 - 14:00 Digital
Friday 14.01. 13:15 - 14:00 Digital
Friday 21.01. 13:15 - 14:00 Digital

Assessment and permitted materials

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.

Examination topics

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.

Reading list

- 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.

Group 4

max. 25 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Friday 01.10. 14:00 - 14:45 Digital
Friday 08.10. 14:00 - 14:45 Digital
Friday 15.10. 14:00 - 14:45 Digital
Friday 22.10. 14:00 - 14:45 Digital
Friday 29.10. 14:00 - 14:45 Digital
Friday 05.11. 14:00 - 14:45 Digital
Friday 12.11. 14:00 - 14:45 Digital
Friday 19.11. 14:00 - 14:45 Digital
Friday 26.11. 14:00 - 14:45 Digital
Friday 03.12. 14:00 - 14:45 Digital
Friday 10.12. 14:00 - 14:45 Digital
Friday 17.12. 14:00 - 14:45 Digital
Friday 07.01. 14:00 - 14:45 Digital
Friday 14.01. 14:00 - 14:45 Digital
Friday 21.01. 14:00 - 14:45 Digital

Assessment and permitted materials

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.

Examination topics

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.

Reading list

- 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.

Group 5

max. 25 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Monday 04.10. 11:30 - 12:15 Digital
Monday 11.10. 11:30 - 12:15 Digital
Monday 18.10. 11:30 - 12:15 Digital
Monday 25.10. 11:30 - 12:15 Digital
Monday 08.11. 11:30 - 12:15 Digital
Monday 15.11. 11:30 - 12:15 Digital
Monday 22.11. 11:30 - 12:15 Digital
Monday 29.11. 11:30 - 12:15 Digital
Monday 06.12. 11:30 - 12:15 Digital
Monday 13.12. 11:30 - 12:15 Digital
Monday 10.01. 11:30 - 12:15 Digital
Monday 17.01. 11:30 - 12:15 Digital
Monday 24.01. 11:30 - 12:15 Digital

Assessment and permitted materials

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.

Examination topics

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.

Reading list

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.

Group 6

max. 25 participants
Language: German
LMS: Moodle

Lecturers

Classes (iCal) - next class is marked with N

Monday 04.10. 12:15 - 13:00 Digital
Monday 11.10. 12:15 - 13:00 Digital
Monday 18.10. 12:15 - 13:00 Digital
Monday 25.10. 12:15 - 13:00 Digital
Monday 08.11. 12:15 - 13:00 Digital
Monday 15.11. 12:15 - 13:00 Digital
Monday 22.11. 12:15 - 13:00 Digital
Monday 29.11. 12:15 - 13:00 Digital
Monday 06.12. 12:15 - 13:00 Digital
Monday 13.12. 12:15 - 13:00 Digital
Monday 10.01. 12:15 - 13:00 Digital
Monday 17.01. 12:15 - 13:00 Digital
Monday 24.01. 12:15 - 13:00 Digital

Assessment and permitted materials

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.

Examination topics

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.

Reading list

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

Aims, contents and method of the course

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.

Minimum requirements and assessment criteria

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 %.

Association in the course directory

Module: DAS EST UF-INF-12

Last modified: Th 16.09.2021 13:27