Dieser Kurs behandelt gängige statistische Methoden, die im Marketing angewendet werden:

Grundlagen: Abhängige vs. unabhängige Variablen, Deskriptive Statistiken

Messung & Skalierung: Skalentypen und deskriptive & inferentielle Statistiken, Reliabilität & Validität, Messfehler

Data-Sammlung & Stichprobenziehung: Stichproben aus einer Population ziehen, Sampling Distribution of the Mean, Central Limit Theorem, Konfidenzintervalle, Stichprobengröße

Datenexploration mit Plots: Histogramme, Scatter Plots, etc.

Statistische Annahmen prüfen: Prüfung auf Normalverteilung, Testen der Varianzhomogenität, etc.

Grundlagen des Hypothesen-Testens: Unterschiedliche Typen von statistischen Tests und Annahmen, z.B., parametrisch vs. nicht-parametrisch, normal vs. t-distribution, chi-2 distribution, degrees of freedom

Mittelwert-Vergleiche: t-test, analysis of variance (ANOVA)

Korrelation und Regression: Variablen-Beziehungen quantifizieren, einfache and multiple Regression

Dieser Kurs stellt auch eine Einführung in die Statistiksoftware R dar. R ist eine Programmiersprache und Umgebung für statistische Berechnungen und Visualisierungen, die eine große Bandbreite an statistischen Tests erlaubt und hoch erweiterbar ist. Mit dem Wissen, das Sie in diesem Kurs erlangen, werden Sie befähigt, Ihre ersten eigenen Datenanalysen mit im Marketing gängigen statistischen Methoden durchzuführen.

Am Ende dieses Kurses sind Sie fähig …

• im Marketing gängige statistische Analysen zu interpretieren
• explorative Datenanalysen mit der Software R durchzuführen

Alle Methoden werden anhand praktischer Fallbeispiele aus dem Marketing vertieft.

Mindestens 80% Anwesenheit erforderlich (Abwesenheit in maximal einer Einheit)

Der Kurs besteht aus einer Kombination aus Material, das vom Lehrenden vorgetragen wird, das von praktischen Beispielen gestützt wird. In den Einheiten können die Studenten die Methoden mittels R direkt anwenden. 

Die Leistung der Studenten wird mittels Assignments (Hausübungen) und einer finalen Prüfung beurteilt:

• 3 Assignments (40% = 3 x 13.3%)
• Finale Prüfung (60% mit mindestens 30% für eine positive Note)

Studenten können höchstens 1 Einheit fehlen.

Die Studenten müssen sich darauf vorbereiten in den Einheiten die Lösungen für die von ihnen in WU@Learn hochgeladenen Assignments zu präsentieren.

Für eine positive Note müssen Studenten mindestens 60% der Punkte erreichen.