Syllabus

1. Daten, Merkmale, Häufigkeiten
2. Testen und Schätzen
3. Ein metrisches Merkmal
4. Erwartungswert
5. Mittelwertsvergleich
6. Testprinzipien
7. Kontingenztafeln
8. Zweifache ANOVA
9. Einfache lineare Regression
10. Zweifache lineare Regression
11. Explorative Zeitreihenanalyse
12. Stochastische Prozesse und Zeitreihenmodelle

In vielen Bereichen der Wirtschaftswissenschaften wie etwa Marketing oder auf den Finanzmärkten werden regelmäßig Daten gesammelt, um Theorien über die dahinter liegenden Prozesse, wie etwa Hypothesen über die Kaufentscheidung von Konsumenten, zu überprüfen. Diese Umsetzung von Daten in wissenschaftliche Theorien erfolgt unter Einsatz von Instrumenten, die man als statistische Methoden bezeichnet. Die Lehrveranstaltung Statistik soll ein Grundwissen über statistische Methoden zur Analyse von univariaten und multivariaten Datensätzen vermitteln. Beispiele für solche Methoden sind Schätzung von Anteils- und Erwartungswerten, lineare Regression und Zeitreihenmodelle.

Die Studierenden sind nach erfolgreichem Absolvieren der LV in der Lage, selbständig Daten eines sozial- und wirtschaftswissenschaftlichen Problems quantitativ mittels Computeranalyse nach Selektion einer passenden statistischen Methode zu analysieren sowie die Ergebnisse zu interpretieren.

Der Ablauf der einzelnen Statistik PIs wird folgendermaßen aussehen:

Einheit 1: Allgemeines, Kapitel 1

Einheit 2: Anfangstest, Kapitel 2

Einheit 3-5: Kapitel 2-6

Einheit 6: Erste Teilklausur

Einheit 7-9: Kapitel 7-12

Einheit 10: Zweite Teilklausur

Hauptsächlich erfolgt der Unterricht in Form eines Vortrags, wobei der Stoff anhand von lebensnahen Beispielen näher gebracht werden soll. Ergänzt wird der Vortrag durch die Diskussion aktueller statistischer Berichte. Darüber hinaus können Studierende freiwillig an einer kleinen Umfrage anonym teilnehmen, um so der gesamten HörerInnenschaft einen interessanten Datensatz zur Verfügung zu stellen.

Studierende werden angehalten, selbst statistische Beiträge aus den Medien oder der Wissenschaft zu sammeln, um diese gemeinsam mit der Gruppe diskutieren zu können.

Ein aktives Einbringen der Studierenden in die Diskussionen und auch in den Vortrag ist essentiell um nicht nur statistische Analysemethoden kennen zu lernen, sondern sich auch mit der statistischen Argumentationsweise vertraut zu machen.