F-09



1. Basis Daten/basic data


Status

FREIGEGEBEN

Modul-/Seminar-Nr.

F-09

Fakultät / faculty

Business & Economics / Technology & Engineering

Titel

Statistik advanced

Verwendbarkeit / applicability

Verwendbar in den Masterstudiengängen Business Management, Wirtschaftsinformatik, IT-Systems Engineering

Modulteile / courses

-

Dauer / duration

Gesamtdauer: 18,75 (=150 Stunden)

davon

Seminartage: 4 (=32 Stunden)

Selbstlerntage: 12 (= 96 Stunden)

Transfertage: 2,75 (=22 Stunden)

Sprache / language

D / E

Workload

5 CP

Leistungsnachweis / exam

K

Noten werden von 1,0 bis 4,4 vergeben, ab einer Note von 4,5 gilt der Leistungsnachweis als nicht bestanden.

Gewichtung / weighting

5 CP / 120 CP bzw. 4,17 %

Terminierung / termination

Mindestens 1x pro Studienjahr

Eingangsvoraussetzung / entry requirement

§10 und §11 BerlHG in Verbindung mit RSPO und SPO

Voraussetzungen/ requirements

Voraussetzung für die Teilnahme an diesem Modul ist die erfolgreiche Teilnahme an dem Modul „Wissenschaftstheorie und Forschungsmethoden“.

Modulverantwortlicher / Responsibility

Prof. Dr. Michael Lister


2. Qualifikationsziele/Intention of Qualification

Wissensverbreiterung

  • Kenntnisse über die wesentlichen Entwicklungstrends im Bereich der Statistik, insbesondere Statistik als Basiswissen für Künstliche Intelligenz (KI).

  • Kenntnisse über Nutzwerte der Statistik für das Management im Bereich Business Intelligence (BI).

  • Erweiterung der Kompetenzen, um Statistikmethoden im betrieblichen Umfeld beurteilen und anwenden zu können.

Wissensvertiefung

  • Fähigkeit, eigenständig und anwendungsorientiert Statistikuntersuchungen planen und durchzuführen zu können.

  • Fähigkeit, die passenden Statistikmethoden kennenlernen und auswählen zu können.

  • Steigerung der Fähigkeiten in Bezug auf unternehmerisches Denken und Handeln, um den unternehmerischen Nutzen von Statistik zu beurteilen.

Wissensverständnis

  • Fähigkeit, erworbenes Statistikwissen bzw. Wissen durch die obligatorischen Transferprojekte des Studiums auf Unternehmensbereiche anzuwenden.

  • Kompetenz, um Managementprobleme mit statistischen Methoden lösen zu können bzw. zu deren Lösung beizutragen.

3. Inhalt/content

  • Multivariante Analysemethoden

  • Datengewinnung und -aufbereitung

  • Regressionsanalyse

  • Zeitreihenanalyse

  • Varianzanalyse

  • Diskriminanzanalyse

  • Faktorenanalyse

  • Clusteranalyse

  • Arbeiten mit Tools

4. Lehr- und Lernmethoden

Asynchrones Lernen

☒ Pre-Reading

☒ Post-Reading

☒ E-Learning

Synchrones Lernen

☒ Seminar

☒ E-Learning

☐ Vorlesung

Transfer

☒ Transfer auf Prinzipebene

☐ Transfer auf Phänomenebene

☐ Projektarbeit

5. Literatur

  • Backhaus, K., Erichson, B., Plinke, W., Weiber, R. (2016): Multivariate Analysemethoden, 14. Aufl., Berlin.

  • Ronning, G. (2005): Statistische Methoden in der empirischen Wirtschaftsforschung, Münster.

  • Winker, P. (2010): Empirische Wirtschaftsforschung und Ökonometrie, 3. Auflage, Heidelberg.

  • Fahrmeir L., Heumann C., et al. (2016): Statistik: Der Weg zur Datenanalyse.