Mit dem Wintersemester 2018/19 wird die Lehrveranstaltung „Statistik“ als „VUE Statistik“  angeboten.

Die behandelten Themen bleiben gleich und spiegeln sich in der Kapitelgliederung wider.

1. Daten, Variablen, Häufigkeiten
2. Deskriptive Statistik
3. Schätzen und Testen von Anteilen
4. Erwartungswert bei metrischen Variablen
5. Mittelwertvergleich zwischen zwei Gruppen
6. ANOVA
7. Kontingenztafeln
8. Lineare Regression

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 Schätzen und Testen von Anteils- und Erwartungswerten, Varianzanalyse- und  lineare Regressionsmodelle.

Der Kurs ist auf durchgängige Anwesenheit und Mitarbeit ausgelegt, weswegen physische, emotionale und intellektuelle Präsenz in allen Einheiten grundsätzlich vorausgesetzt wird.

In den Einheiten 5 und 10 ist unbedingte Anwesenheitspflicht, weil in diesen Einheiten Teilklausuren stattfinden. Nur in begründeten Ausnahmefällen (Krankheit, Todesfall in der nahen Familie, ...) besteht die Möglichkeit, die Teilklausuren zu einem späteren Zeitpunkt nachzuholen.

Unentschuldigtes Fernbleiben von Einheit 1 führt im Bedarfsfall zu einer Abmeldung vom Kurs und zur Vergabe des Platzes an die Warteliste.

Das Versäumen anderer Einheiten wird toleriert, allerdings besteht im Abwesenheitsfall keine Möglichkeit, die wöchentlichen Wiederholungs- und eventuellen Bonuspunkte zu erlangen (siehe auch Lehr-/Lerndesign).

Der Ablauf der einzelnen Statistik-Kurse folgt einem fixen Zeitschema:

Einheit 1 - 4: Organisatorisches, Kapitel 1 - 4 
Einheit 5: Erster Teiltest
Einheit 6 - 9: Kapitel 5 - 8
Einheit 10: Zweiter Teiltest

In den Präsenzeinheiten erfolgt der Unterricht hauptsächlich in Form eines Vortrags, wobei der Stoff anhand von lebensnahen Beispielen näher gebracht werden soll. Die behandelten Themen sind im Individualstudium durch Lernpfade, Study-Clips, interaktive Applets, Aufgabensammlungen, Probeklausuren sowie Animationen und weitere Materialien, welche auf Learn@WU bereitgestellt werden, zu wiederholen und zu vertiefen.

Die jeweilige Folgeeinheit beginnt mit einer kurzen Wiederholung des aktuellen Stoffes, gefolgt von Fragen, die via Learn@WU im Hörsaal individuell zu beantworten sind. Ergänzt wird der Vortrag durch die Diskussion aktueller statistischer Berichte.

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 statistischer Argumentationsweise vertraut zu machen. Für Interessierte bietet die Lernplattform außerdem eigene Datensätze und spezielle Lernvideos, um sich eigenständig in die Statistik-Software R einzuarbeiten.

• Zwei schriftliche Teiltests: je 10 Fragen, jede Frage zählt 4 Punkte. Die Teiltests finden in den Einheiten 5 und 10 des Kurses statt. Bitte beachten Sie: Aufgrund der variablen Antwortformate können bei Teilklausuren keine Teilpunkte vergeben werden.
• Kurze Wiederholungsfragen in den Einheiten 2, 3, 4, 7, 8 und 9 des Kurses, in Summe können maximal 20 Punkte erreicht werden (das schlechteste Ergebnis wird gestrichen).

Notenschema:
Note Punkte  
  1    91 - 100
  2    81 - 90  
  3    71 - 80
  4    56 - 70
  5     0 - 55  

Bonuspunkte: durch Leistungen (Mitarbeit in den Einheiten, Aktivität auf Learn@WU, ...) in weit über das Wesentliche hinausgehendem Ausmaß können vereinzelte Zusatzpunkte erreicht werden.

Vorausgehende Absolvierung der LV Mathematik ist sinnvoll.

Für die Vergabe von freien Plätzen ist die Reihung auf der Warteliste wesentlich. Über die jeweilige Vorgangsweise informieren die Vortragenden per E-Mail.

laura.vana@wu.ac.at