Universität Wien FIND

230093 UE Statistics 2 (2019W)

Übung

3.00 ECTS (1.50 SWS), SPL 23 - Soziologie
Continuous assessment of course work

Registration/Deregistration

Details

max. 40 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

Beachten Sie, dass die Prüfung am 22.01.2020 in einem anderen Raum stattfindet!

Wednesday 02.10. 16:45 - 18:15 Hörsaal 2 Oskar-Morgenstern-Platz 1 Erdgeschoß
Wednesday 09.10. 16:45 - 18:15 Hörsaal 2 Oskar-Morgenstern-Platz 1 Erdgeschoß
Wednesday 16.10. 16:45 - 18:15 Hörsaal 2 Oskar-Morgenstern-Platz 1 Erdgeschoß
Wednesday 23.10. 16:45 - 18:15 Hörsaal 2 Oskar-Morgenstern-Platz 1 Erdgeschoß
Wednesday 06.11. 16:45 - 18:15 Hörsaal 2 Oskar-Morgenstern-Platz 1 Erdgeschoß
Wednesday 13.11. 16:45 - 18:15 Hörsaal 2 Oskar-Morgenstern-Platz 1 Erdgeschoß
Wednesday 04.12. 16:45 - 18:15 Hörsaal 2 Oskar-Morgenstern-Platz 1 Erdgeschoß
Wednesday 11.12. 16:45 - 18:15 Hörsaal 2 Oskar-Morgenstern-Platz 1 Erdgeschoß
Wednesday 08.01. 16:45 - 18:15 Hörsaal 2 Oskar-Morgenstern-Platz 1 Erdgeschoß
Wednesday 15.01. 16:45 - 18:15 Hörsaal 2 Oskar-Morgenstern-Platz 1 Erdgeschoß
Wednesday 22.01. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
Wednesday 29.01. 16:45 - 18:15 Hörsaal 2 Oskar-Morgenstern-Platz 1 Erdgeschoß

Information

Aims, contents and method of the course

Ziel ist das Üben und Anwenden der in der Vorlesung (VO Statistik 2, Ao.Univ.Prof. Dr. Marcus Hudec) vermittelten Themen/statistischen Verfahren anhand einfacher Beispiele/Fragestellungen.

Dabei werden folgende Themen behandelt:
- Diskrete und stetige Zufallsvariablen
- Grenzwertsätze
- Konfidenzintervalle für Anteilswerte und Mittelwerte
- Stichprobenplanung für Konfidenzintervalle
- Statistische Hypothesentests
- Ein- und Zwei-Stichprobentest für Anteilswerte bzw. Mittelwerte
- Kontingenztabellen
- Einfache lineare Regression

Es wird einerseits die Anwendung der Verfahren sowie die Berechnung der Ergebnisse demonstriert. Weiters wird auf die Interpretation der Ergebnisse und Kennwerte anhand von einfachen Fragestellungen eingegangen. Es werden weitere Inhalte zur praktischen Anwendung der Verfahren (Auswahl des passenden Verfahrens zur Fragestellung, Voraussetzungen der Verfahren, alternative Verfahren) präsentiert.
Die Kenntnisse werden in weiterer Folge von den Studierenden selbst an entsprechenden Fragestellungen angewandt und geübt. Dabei werden die Lösungen kürzerer Beispiele in den Einheiten präsentiert. Längere Beispiele können schriftlich abgegeben werden.

Assessment and permitted materials

- Hausübungsbeispiele:
Präsentation und Interpretation von vorbereiteten kürzeren Hausübungsbeispielen in der Einheit bzw. Abgabe von ausgearbeiteten Hausübungsbeispielen

- Schriftliche Prüfung (erlaubte Hilfsmittel: Taschenrechner und ein A4-Formelblatt)

Bei der Prüfung werden über das Wissen hinausgehende Materialien (z.B. Verteilungstabellen, etc.) zur Verfügung gestellt.

Hinweis der SPL:
Die Erbringung aller Teilleistungen ist Voraussetzung für eine positive Beurteilung, wenn nicht explizit etwas anderes vermerkt wurde.
Werden einzelne verpflichtende Teilleistungen nicht erbracht, gilt die Lehrveranstaltung als abgebrochen. Falls dem Nichterbringen der Leistung kein wichtiger und unvorhersehbarer Grund seitens des/der Studierenden vorliegt, wird die LV negativ beurteilt.
Bei Vorliegen eines solchen Grundes (zB eine längere Erkrankung) kann der/die Studierende auch nach Ablauf der Frist von der LV abgemeldet werden. Über das Vorliegen eines wichtigen Grundes entscheidet die Lehrveranstaltungsleitung. Der Antrag auf Abmeldung ist unverzüglich nach Eintreten des Grundes zu stellen.
Wurde eine Teilleistung erschlichen, d.h. etwa bei einer Prüfung oder einem Test geschummelt, bei einer schriftlichen Arbeit plagiiert oder auch Unterschriften auf Anwesenheitslisten gefälscht, wird die gesamte Lehrveranstaltung als "nicht beurteilt" gewertet und mit dem Vermerk "geschummelt/erschlichen" in das Notenerfassungssystem eingetragen.
Im Zuge der Beurteilung kann eine Plagiatssoftware (Turnitin in Moodle) zur Anwendung kommen: Details werden von den Lehrenden in der Lehrveranstaltung bekanntgeben.

Minimum requirements and assessment criteria

Teilleistungen und deren Beitrag zur Gesamtbeurteilung (insgesamt maximal 100 Punkte):

1.) Hausübungen
- Präsentation in der Einheit auf Basis freiwilliger Meldungen (maximal 10 Punkte pro Tafelmeldung)
- Insgesamt 4 Abgabebeispiele (maximal 10 Punkte pro Abgabebeispiel).
Die Punkte aus Tafelmeldungen und Abgabebeispielen werden addiert, wobei in Summe höchstens 40 Punkte aus dem Hausübungsteil in die Gesamtnote einfließen.

2.) Schriftliche Prüfung (6 Beispiele à maximal 10 Punkte)
- Für die Prüfung sind ein Haupt- und ein Ersatz-/ bzw. Verbesserungstermin vorgesehen. Gewertet wird bei zwei Antritten das bessere Ergebnis.
Aus dem Prüfungsteil fließen höchstens 60 Punkte in die Gesamtnote ein.

Für die Gesamtbewertung werden die erreichten Punkte aus Hausübungen und Prüfung addiert. Für eine positive Beurteilung ist das Erreichen von mindestens 60 Punkten nötig.

Notenschlüssel (auf Basis der Gesamtpunkte):
0-59.9 Punkte: Nicht genügend
60-69.9 Punkte: Genügend
70-79.9 Punkte: Befriedigend
80-89.9 Punkte: Gut
90-100 Punkte: Sehr gut

Anwesenheit:
Achtung: In der ersten Einheit besteht unbedingte Anwesenheitspflicht!

Grundsätzlich besteht auch Anwesenheitspflicht in den Präsenzeinheiten; dreimaliges unentschuldigtes Fehlen wird toleriert.

Examination topics

- Rechenbeispiele in Anlehnung an die in der Übung vermittelten Themen (Inhalte gekoppelt an die VO Statistik 2, Ao.Univ.Prof. Dr. Marcus Hudec)

- Anwendung der vorgestellten statistischen Verfahren
- Berechnung und Interpretation der entsprechenden Ergebnisse/Kennwerte

Reading list

Vorlesungsinhalte aus dem WiSe2019 (VO Statistik 2, Ao.Univ.Prof. Dr. Marcus Hudec)
Weitere Literatur: siehe Literaturangaben zur Vorlesung VO Statistik 2

Begleitende Materialien zur Übung werden auf der Lernplattform moodle zur Verfügung gestellt.

Association in the course directory

in 505: BA M2 Statistik 2

Last modified: Th 10.10.2019 16:08