Syllabus
Registration via LPIS
| Day | Date | Time | Room |
|---|---|---|---|
| Wednesday | 10/02/24 | 04:00 PM - 06:30 PM | TC.-1.61 (P&S) |
| Wednesday | 10/09/24 | 04:00 PM - 06:30 PM | TC.-1.61 (P&S) |
| Wednesday | 10/16/24 | 04:00 PM - 06:30 PM | TC.-1.61 (P&S) |
| Wednesday | 10/23/24 | 04:00 PM - 06:30 PM | TC.-1.61 (P&S) |
| Wednesday | 10/30/24 | 04:00 PM - 06:30 PM | TC.-1.61 (P&S) |
| Wednesday | 11/06/24 | 04:00 PM - 06:30 PM | TC.-1.61 (P&S) |
| Wednesday | 11/13/24 | 04:00 PM - 06:30 PM | TC.-1.61 (P&S) |
| Wednesday | 11/20/24 | 04:00 PM - 06:30 PM | TC.-1.61 (P&S) |
| Wednesday | 11/27/24 | 04:00 PM - 06:30 PM | TC.-1.61 (P&S) |
| Wednesday | 12/04/24 | 04:00 PM - 06:30 PM | TC.-1.61 (P&S) |
Zum Erwerb grundlegender Kenntnisse der Statistiksoftware R, der statistischen Grundlagen sowie deren Anwendung in R werden die folgenden Verfahren der deskriptiven und Inferenz-Statistik durchgenommen und deren Anwendung im Rahmen einer angewandten Datenanalyse mit R geübt.
- Einführung in R:
- Datentypen, Vektoren, Matrizen, Data Frames, Faktoren
- Indizierung und Subsetting, Datenmanipulation
- Funktionen, Add-on Pakete
- Daten einlesen, Datenmanipulation, Daten speichern
- Deskriptive Statistik und Datenvisualisierung mit R:
- Häufigkeitstabellen, Kontigenztabellen
- Empirische Verteilung, Verteilungskennzahlen
- Histogramm, Dichte-Plot, Boxplot, Streudiagramm
- Barplot, Spine-Plot, Mosaic-Plot
- Assoziation (Korrelation, Pearson & Spearman)
- Methoden der Statistischen Inferenz mit R:
- Statistische Testlogik, p-Werte
- Chi-Quadrat-Test
- Odds Ratio, logistische Regression
- Einfache und multiple lineare Regression
- Ein- und Zwei-Stichproben-T-Test, Konfidenzintervall
- Mann-Whitney-U-Test und Kruskal-Wallis-Test
- Ein- und zweifaktorielle Varianzanalyse (ANOVA)
- Lineares Modell
- Angewandte Datenanalyse mit R
Nach Abschluss der WU-Lehrveranstaltung sind die Studierenden in der Lage, selbständig für Daten eines sozial- und wirtschaftswissenschaftlichen Problems die passende statistische Methode aus den kennengelernten Methoden auszuwählen, die quantitative Analyse mithilfe der statistischer Software R durchzuführen sowie die Ergebnisse des R Outputs zu interpretieren. Sie sind weiters in der Lage einen Bericht über die Aufbereitung der Daten, die statistische Datenanalyse und die Ergebnisse und Erkenntnisse zu verfassen.
Die Studierenden besitzen grundlegende Kenntnisse über die wichtigsten Verfahren der beschreibenden und schließenden Statistik für uni- und multivariate Datensätze, die in Punkt ‚Inhalte der LV‘ explizit angeführt sind. Sie sind in der Lage, den Workflow einer statistischen Datenanalyse mithilfe der Software R, umzusetzen: Daten in R einlesen und visualisieren, Daten bereinigen, deskriptive Statistik durchführen, inhaltliche Fragestellungen in statistische Konzepte übersetzen, Auswahl der statistischen Methoden, Durchführung der statistischen Analyse, Interpretation der Resultate, Kommunikation der Datenanalyse und deren Resultate in einem schriftlichen Bericht
Die LV wird wöchentlich abgehalten und ist prüfungsimmanent, d.h. es besteht Anwesenheitspflicht. Begründete Abwesenheit ist im Vorhinein per E-Mail anzukündigen, aber höchstens zwei Mal zulässig.
Der Kurs findet wöchentlich statt.
Die Studierenden machen sich vor der Einheit anhand des zur Verfügung gestellten Materials mit den statistischen Inhalten vertraut und erarbeiten sich im Selbststudium die theoretischen Grundlagen der statistischen Verfahren zur Beschreibung, Visualisierung und Inferenz.
In der Einheit werden die statistsichen Methoden kurz wiederholt und die Studierenden können Fragen stellen, um Unklarheiten und Verständnisprobleme zu beseitigen. Die Anwendung der Methoden an Daten mit der Statistiksoftware R wird im Kurs vorgestellt. Im Anschluss folgt eine Übungsphase, in der sich die Studenten selbst mit Beispielen auseinandersetzen, wo die statistischen Methoden an Daten angewendet werde, um eine inhaltliche Frage zu beantworten. Es folgt die Präsentation von Lösungen der Beispiele durch die Studierenden.
Das Quiz zu Beginn der meisten Einheiten dient zur Selbstkontrolle im Laufe des Kurses. Die Hausübungen werden online abgegeben. Die Abschlussprüfung findet in der letzten Einheit statt.
Der Einsatz KI-basierter Software zur Aufgabenlösung und Textgenerierung (z.B. ChatGPT) ist nicht erlaubt.
Der Besuch der Lehrveranstaltung mit eigenem Laptop, auf dem die Statistiksoftware R (https://www.r-project.org/) sowie R-Studio (https://posit.co/download/rstudio-desktop/) installiert und auch funktionsfähig sind, ist Voraussetzung.
- Gesamtpunkte: 80 Punkte
- Hausübungen: 50 Punkte (10 Aufgaben zu je 5 Punkten).
- Quizzes: maximal 10 Punkte (gibt es in den meisten Unterrichtseinheiten, davon werden die besten 5 bewertet. Eine Teilnahme an den Quizzes ist nur in Präsenz erlaubt.)
- Abschlussprüfung: 20 Punkte.
- Bonuspunkte: maximal 8 Bonuspunkte (durch aktive Mitarbeit bei den Übungsbeispielen).
- Von den 80 Gesamtpunkten müssen 70% für eine positive Note erreicht werden.
- Beurteilung: 4 – (56 – 61 P.), 3 – (62 – 67 P.), 2 – (68 – 73 P.), 1 – (74+ P.)
Please log in with your WU account to use all functionalities of read!t. For off-campus access to our licensed electronic resources, remember to activate your VPN connection connection. In case you encounter any technical problems or have questions regarding read!t, please feel free to contact the library at readinglists@wu.ac.at.
Back