LMU Statistik I für Studierende der Wirtschaftswissenschaften
PD Dr. Christian Heumann
24 episodes
3 months ago
Der Podcast wird im Rahmen der Vorlesung "Statistik I für Studierende der
Wirtschaftswissenschaften" erstellt. Sie ist Teil eines zweisemestrigen
Grundkurses in Statistik. In Statistik I wird die deskriptive Statistik
behandelt, also die Beschreibung und Darstellung von Daten mit Kennzahlen
und Grafiken. Hierbei wird Wert darauf gelegt, dass, abhängig vom
Informationsgehalt der betrachteten statistischen Merkmale (Attribute),
die richtigen Maßzahlen und grafischen Darstellungen ausgewählt werden.
Die Idee der Regression, eines der am Häufigsten eingesetzten
multivariaten Verfahren, soll hier bereits vermittelt und an einfachen
Beispielen erläutert werden.
Der zweite Teil, Statistik II, behandelt die induktive Statistik,
insbesondere Wahrscheinlichkeitsrechnung, Schätzen von Parametern einer
Verteilung, Testen von Hypothesen und die lineare Regression.
Da das Fach Statistik fächerübergreifende Methoden zur Analyse von Daten
entwickelt, eignet sich diese Vorlesung auch als Grundkurs Statistik für
Studierende anderer Fachrichtungen.
Dieses Angebot kann jederzeit ohne vorherige Ankündigung geändert oder
eingestellt werden.
All content for LMU Statistik I für Studierende der Wirtschaftswissenschaften is the property of PD Dr. Christian Heumann and is served directly from their servers
with no modification, redirects, or rehosting. The podcast is not affiliated with or endorsed by Podjoint in any way.
Der Podcast wird im Rahmen der Vorlesung "Statistik I für Studierende der
Wirtschaftswissenschaften" erstellt. Sie ist Teil eines zweisemestrigen
Grundkurses in Statistik. In Statistik I wird die deskriptive Statistik
behandelt, also die Beschreibung und Darstellung von Daten mit Kennzahlen
und Grafiken. Hierbei wird Wert darauf gelegt, dass, abhängig vom
Informationsgehalt der betrachteten statistischen Merkmale (Attribute),
die richtigen Maßzahlen und grafischen Darstellungen ausgewählt werden.
Die Idee der Regression, eines der am Häufigsten eingesetzten
multivariaten Verfahren, soll hier bereits vermittelt und an einfachen
Beispielen erläutert werden.
Der zweite Teil, Statistik II, behandelt die induktive Statistik,
insbesondere Wahrscheinlichkeitsrechnung, Schätzen von Parametern einer
Verteilung, Testen von Hypothesen und die lineare Regression.
Da das Fach Statistik fächerübergreifende Methoden zur Analyse von Daten
entwickelt, eignet sich diese Vorlesung auch als Grundkurs Statistik für
Studierende anderer Fachrichtungen.
Dieses Angebot kann jederzeit ohne vorherige Ankündigung geändert oder
eingestellt werden.
In Folge 2 behandelt Dr. Heumann Themen aus dem 2. Kapitel - Häufigkeiten: Demonstration des Programms SAS; Alternativ-Programm "R"; Dateneingabe, Kodierung und Transformation; Programm SPSS; Berechnung von Häufigkeiten; graphische Darstellung von Häufigkeiten; Ordnungsstatistik; empirische Verteilungsfunktion;
Der Podcast "Einführung in die deskriptive Statistik" richtet sich an Studierende der Wirtschaftswissenschaften in den ersten Semestern.
In Folge 1 behandelt Dr. Heumann das 1. Kapitel - Grundlagen:
Organisatorisches; Datenerhebungs-Beispiele: Anzahl der kardialen Notfälle, Historische Straßenkarte von London; Kurzeinführung und Überblick; Einsatzgebiete; Unterscheidung: Amtliche- und Nichtamtliche-Statistik; Was ist Statistik?; Etymologie: Die Bedeutung des Wortes "Statistik"; Grundaufgaben der Statistik; Untersuchungseinheit und Grundgesamtheit; Bestandsmasse und Bewegungsmasse; Merkmal, Merkmalsausprägung und Merkmalsraum; Beispiele: Merkmal bzw. statistische Variable; Skalierung von Merkmalsausprägungen; Datenerhebung; Vorgehensweise: Beobachtung, Befragung; Experiment;
Folge 12 enthält die Besprechung der Probeklausur zur Vorlesung Statistik I. Dr. Heumann erklärt den beispielhaften Inhalt der Probeklausur anhand der Aufgaben 1 bis 6 und erteilt zusätzliche Bearbeitungshinweise.
In Folge 4 wiederholt Dr. Heumann das Thema Varianz des 4. Kapitels der letzten Vorlesung und behandelt Themen aus dem 5. Kapitel. Wdh.: Kapitel 4 - Streuungsmaße: Varianz: Berechnung Varianz aus gruppierten Daten; Standardabweichung; Variationskoeffizient; Kapitel 5 - Konzentrationsmaße: Lorenzkurve; Gini-Koeffizient;
In Folge 3 behandelt Dr. Heumann zunächst Themen des 3. Kapitels - Lagemaße: Modus, Median, Quantile, Mitteilungen, Box-Plot. Aus Kapitel 4 - Streuungsmaße: Spannweite; Quartilsabstand, Varianz.
Folge 6 enthält die Fortführung des 6. Kapitels des letzten Vorlesungsmitschnitts: Maßzahlen, wenn beide Merkmale ordinal sind; Konkordanz und Diskordanz; Rangkorrelationskoeffizient nach Spearman; Korrigierter Rangkorrelationskoeffizient nach Spearman; Korrelationskoeffizient nach Bravais-Pearson;
In Folge 11 gibt Dr. Heumann einen Überblick über die Darstellungsmethoden am Fallbeispiel "Pizza-Service". Die Darstellung erfolgt per IBM SPSS und vereinfacht in WordPad.
In Folge 5 bespricht Dr. Heumann das Thema Zusammenhangsmaße des 6. Kapitels: Zusammenhangsmaße: Motivation; Kontingenztafeln; Gemeinsame Verteilung; Randverteilungen; Bedingte Verteilungen; Pearsons x2-Statistik; Phi-Koeffizient; Kontingenzmaß V von Cramer; Kontingenzkoeffizient C - Alternative zu Cramers V; Odds-Ratio;
In Folge 8 führt Dr. Heumann das Kapitel 7: Lineare Regression der Vorlesung fort. Zu Beginn werden die Themen des ersten Teils aus Folge 7 wiederholt. Teil 2: Fortführung der Kategorialen Regression, Problematik und Lösungsansatz, Dummy- und Effektkodierung, Beispiel, Modellierung, Berechnung, Interpretation der Ergebnisse, Wdh.: Kleinste-Quadrate- Schätzer: Prinzip und Definition, SPSS-Datensatz: Mietspiegel-Datensatz der Stadt München, Streu-Punkt-Diagramm, Output, Lineares Modell, Graphische Darstellung;
In Folge 7 beginnt Dr. Heumann das Kapitel 7 der Vorlesung: Lineare Regression. Einleitung: Motivation und Modellierung; Plots und Annahmen; Kleinste-Quadrate-Schätzer; Eigenschaften der Regressionsgeraden; Güte der Anpassung; Kategoriale Regressoren;
In Folge 9 beginnt Dr. Heumann mit dem 8. Kapitel: Verhältniszahlen und Indizes. Definition Verhältniszahlen; Gliederungs- & Beziehungszahlen; Indexzahlen; Indexzahlen Beispiel; Definition Preisindizes; Preisindex nach Laspeyres; Preisindex nach Paasche; Beispiel Preisindex; Mengenindizes; Umsatzindex; Verknüpfung von Indizes; Matrizensymbolik; Spezielle Probleme: Erweiterung des Warenkorbs (Preisindex nach Laspeyres), Substitution einer Ware; Subindizes; Subindizes: Numerisches Beispiel;
Der Podcast "Einführung in die deskriptive Statistik" richtet sich an Studierende der Wirtschaftswissenschaften in den ersten Semestern.In der dritten Vorlesung des Wintersemesters 2011/12 behandelt Dr. Heumann folgende Themengebiete:
Zusammenhangsmaße, Pearsons x² Statistik, Rangkorrelationskoeffizient nach Spearman und Bravai's Pearson
Folge 10 behandelt Dr. Heumann das 9. Kapitel mit dem Titel Zeitreihen. Einleitung; Beispiel: Zeitreihe: Entwicklung der Zahl der Erwerbstätigen; Zerlegung von Zeitreihen: Komponentenmodell; Additives und multiplikatives Komponentenmodell; Probleme des Komponentenmodells; Gleitende Durchschnitte: Ziele; Gleitende Durchschnitte; Modell mit konstanter Saisonfigur; Zerlegung in Trend und Saison: Vorgehen; Zerlegung in Trend und Saison Beispiel ohne Fehlerkomponente; Alternative Ansätze;
Der Podcast "Einführung in die deskriptive Statistik" richtet sich an Studierende der Wirtschaftswissenschaften in den ersten Semestern.In der achten Vorlesung des Wintersemesters 2011/12 behandelt Dr. Heumann folgende Themengebiete:
Lineare Regression Fortsetzung, Kategoriale Regression, Verhältniszahlen und Indizes, Gliederungs- & Beziehungszahlen, Indexzahlen, Preisindex
Der Podcast "Einführung in die deskriptive Statistik" richtet sich an Studierende der Wirtschaftswissenschaften in den ersten Semestern.In der dritten Vorlesung des Wintersemesters 2011/12 behandelt Dr. Heumann folgende Themengebiete:
Lagemaße; Modus; Median;Quantile;Boxplots;Mittelungen
Der Podcast "Einführung in die deskriptive Statistik" richtet sich an Studierende der Wirtschaftswissenschaften in den ersten Semestern.
In der zweiten Vorlesung des Wintersemesters 2011/12 behandelt Dr. Heumann folgende Themengebiete:
Kurze Einführung in die Programmpakete SPSS,SAS und R; Berechnung von relativen und absoluten Häufigkeiten; graphische Darstellung von Häufigkeiten;empirische Verteilungsfunktionen
Der Podcast "Einführung in die deskriptive Statistik" richtet sich an Studierende der Wirtschaftswissenschaften in den ersten Semestern.In der dritten Vorlesung des Wintersemesters 2011/12 behandelt Dr. Heumann folgende Themengebiete:
Zusammenhangsmaße, Kontingenztafeln, Verteilungen, Bedingte Verteilung, Pearson Statistik, Phi-Koeffinzient, Kontingenzmaß V Cramer
Der Podcast "Einführung in die deskriptive Statistik" richtet sich an Studierende der Wirtschaftswissenschaften in den ersten Semestern.In der fünften Vorlesung des Wintersemesters 2011/12 wird Dr. Heumann durch Gunther Schauberger vertreten. Dieser behandelt folgendes Thema:
Wie lügt man mit Statistik?
Der Podcast "Einführung in die deskriptive Statistik" richtet sich an Studierende der Wirtschaftswissenschaften in den ersten Semestern.In der siebten Vorlesung des Wintersemesters 2011/12 behandelt Dr. Heumann folgende Themengebiete:
Lineare Regression, KQ-Schätzer, Varianzanalyse, Bestimmtheitsmaß
Der Podcast "Einführung in die deskriptive Statistik" richtet sich an Studierende der Wirtschaftswissenschaften in den ersten Semestern.In der dritten Vorlesung des Wintersemesters 2011/12 behandelt Dr. Heumann folgende Themengebiete:
Streungsmaße,Quantilsabstand,Varianz,Standardabweichung;Konzentrationsmaße,Lorenzkurve und Gini-Koeffizient
LMU Statistik I für Studierende der Wirtschaftswissenschaften
Der Podcast wird im Rahmen der Vorlesung "Statistik I für Studierende der
Wirtschaftswissenschaften" erstellt. Sie ist Teil eines zweisemestrigen
Grundkurses in Statistik. In Statistik I wird die deskriptive Statistik
behandelt, also die Beschreibung und Darstellung von Daten mit Kennzahlen
und Grafiken. Hierbei wird Wert darauf gelegt, dass, abhängig vom
Informationsgehalt der betrachteten statistischen Merkmale (Attribute),
die richtigen Maßzahlen und grafischen Darstellungen ausgewählt werden.
Die Idee der Regression, eines der am Häufigsten eingesetzten
multivariaten Verfahren, soll hier bereits vermittelt und an einfachen
Beispielen erläutert werden.
Der zweite Teil, Statistik II, behandelt die induktive Statistik,
insbesondere Wahrscheinlichkeitsrechnung, Schätzen von Parametern einer
Verteilung, Testen von Hypothesen und die lineare Regression.
Da das Fach Statistik fächerübergreifende Methoden zur Analyse von Daten
entwickelt, eignet sich diese Vorlesung auch als Grundkurs Statistik für
Studierende anderer Fachrichtungen.
Dieses Angebot kann jederzeit ohne vorherige Ankündigung geändert oder
eingestellt werden.
