Moodle

Zum Inhalt der regulären Veranstaltung: Im Rahmen der Veranstaltung "Deskriptive Statistik und Wahrscheinlichkeitsrechnung" werden die wichtigsten Grundlagen und Methoden vermittelt. Dabei umfasst die deskriptive Statistik verschiedene Fragestellungen der Datenerhebung sowie Methoden, mit denen ein gegebenes Datenmaterial übersichtlich dargestellt bzw. durch wenige aussagekräftige Zahlen wie Lageparameter, Streuungsmaße oder Korrelationskoeffizienten charakterisiert werden können. Die Wahrscheinlichkeitsrechnung befasst sich zunächst mit den grundlegenden Begriffen, wobei vor allem Zufallsvorgänge, die sich durch sogenannte Zufallsvariablen beschreiben lassen, im Vordergrund des Interesses stehen. Außerdem werden mit dem Gesetz der großen Zahlen und dem zentralen Grenzwertsatz zwei wichtige Sätze der Wahrscheinlichkeitsrechnung vorgestellt.

Aufbauend auf den im Modul "Deskriptive Statistik und Wahrscheinlichkeitsrechnung" vermittelten Konzepten der Wahrscheinlichkeitstheorie werden die Studierenden die Fähigkeit zur Auswertung der Information in Zufallsstichproben und wirtschaftsstatistischen Daten besitzen. Insbesondere werden sie die Kompetenz zur sachgerechten Anwendung statistischer Schätzverfahren und Tests sowie zur Beurteilung und Interpretation statistischer Ergebnisse erwerben.

Diese Veranstaltung richtet sich an Studierende insbesondere als Vorbereitung für das Verfassen von Seminar-, Haus- oder Abschlussarbeiten.
Die Studierenden sind in der Lage, verschiedene Datenstrukturen zu generieren, vorhandene Funktionen in R zu nutzen sowie selber einfache Programme und Skripte zu programmieren. Weiterhin können Sie beliebige Daten in R einlesen, diese Daten verarbeiten und exportieren. Es ist Ihnen möglich, Problemstellungen aus den Grundlagenveranstaltungen grafisch darzustellen und ihre Grundkenntnisse in Ökonometrie mit R zu verknüpfen. Weiterhin haben Sie einen Einblick in numerische Optimierungsverfahren und Monte Carlo Methoden.

The goal is to familiarize students with advanced regression methods. After a brief review of the basics of linear regression modeling, additional techniques will be presented. Students will learn these models, be able to estimate them, interpret estimation results, and evaluate them in terms of model diagnostics. They critically examine the procedures they have learned.

Contents:

A Reminder of Linear Regression Basics
Classical Linear Regression Model Assumptions and Diagnostics
Simultaneous Equations
Limited Dependent Variable Models
Simulation Methods
Further Advanced Methods

Die Veranstaltung muss von allen Studierenden der Studiengänge des Bachelors für Betriebswirtschaftslehre, Digitale BWL, Wirtschaft und Recht und Wirtschaftspädagogik belegt werden. Hierbei sollen mathematische Kenntnisse fundiert und erweitert werden. Der inhaltliche Schwerpunkt liegt auf mathematischen Konzepten, die für ein wirtschaftswissenschaftliches Studium von großer und grundlegender Bedeutung sind.