Kursyllabus

STA 101
EINFÜHRUNG IN DIE STATISTIK

Anzahl der ECTS-Punkte: 6

Zeit und Ort: Dienstags 16:30-18:00 & Donnerstags 16:30-18:00, VeCo 3

Kontaktinformationen für den Professor

Maja Micevska Scharf, PhD

[Link]@[Link]
Sprechstunden: dienstags 15:30-16:30, Fakultätsraum und nach Vereinbarung

INHALTSÜBERSICHT

Lehrplan Abschnitt Seite

Kursvoraussetzungen 2
Kurslernziele 2
Link zwischen MLO, CLO, Lehrmethoden 3
Aufgaben und Feedback
Hauptkursmaterial 4-5
Arbeitslastberechnung für diesen Kurs 6
Kursbewertung: Übersicht über Aufgaben und Notenskala 7
Beschreibung der Aufgaben, Aktivitäten und Fristen 8
Bewertungsrichtlinien: Transparente Kriterien für die Bewertung 9-10
Anwesenheit 11-12
Kursübersicht – Tabelle 13
Detaillierte Beschreibung der Sitzungen des Kurses 14-21

1
Kursvoraussetzungen (falls vorhanden)
Oberschul-Algebra
.

Kursbeschreibung
Statistik ist die Kunst, Daten zu verwenden, um numerische Vermutungen über Probleme anzustelen.
Die beschreibende Statistik ist die Kunst, Daten zusammenzufassen. Themen umfassen: Histogramme, die
Durchschnitt
abhängig von der Wahrscheinlichkeitstheorie. Themen umfassen: Chancenmodelle, erwarteter Wert,
Standardfehler, Wahrscheinlichkeitsdiagramme, Konvergenz zur Normalverteilung. Statistisch
Inference ist die Kunst, gültige Veralgemeinerungen aus Stichproben zu ziehen. Themen sind unter anderem:
Schätzung,Messfehler,TestsderstatistischenSignifikanz

Weitere Beschreibung
Dies ist ein Einführungskurs in die Statistik, der darauf abzielt, den Studierenden die Grundlagen zu vermitteln.
Konzepte der Datenanalyse und statistischen Berechnung. Behandelte Themen umfassen Grundlagen.
beschreibende Maße
Intervalle und Hypothesentests. Das Hauptziel ist es, den Studierenden zu vermitteln
pragmatische Werkzeuge zur Bewertung statistischer Behauptungen und zur Durchführung eigener statistischer Analysen
Analysen.

Kurs-Lernziele (CLO)

Am Ende dieses Kurses sollten die Studenten in der Lage sein,:

In Bezug auf Wissen:

➢ Demonstrieren Sie ihr Verständnis für descriptive Statistik durch praktische
Anwendung von quantitativer Argumentation und Datenvisualisierung
➢ Demonstrieren Sie ihr Wissen über die Grundlagen der schließenden Statistik, indem sie
gültige Verallgemeinerungen aus Stichprobendaten

In Bezug auf Fähigkeiten

➢ Verwenden Sie R und Excel, um statistische Analysen durchzuführen
➢ Erkennen Sie Fallstricke bei der Verwendung statistischer Methoden

In Bezug auf Einstellungen sollten die Schüler in diesem Kurs entwickeln:

➢ Kritische Einstellungen, die für "lebenslanges Lernen" notwendig sind
➢ Großere Wertschätzung für die Bedeutung der statistischen Kompetenz in den heutigen Daten
reiche Welt

2
 VERBINDUNG ZWISCHEN HAUPTZIELE, KURSZIELE, UNTERRICHT
METHODEN, AUFGABEN UND RÜCKMELDUNG

(BA in Betriebswirtschaft)

Zusammenfassung:
Anzahl der Aufgaben, die in diesem Kurs verwendet werden: 4
Anzahl der Feedback-Gelegenheiten in diesem Kurs (entweder schriftlich oder mündlich): 4
Anzahl und Arten der Lehrmethoden: 5

Haupt- Lernen Kurs Lernen Methoden Methoden (und Typ

Ziele Ziele ansprechen gebraucht zu Zahlen/Typen und Instanzen
die Hauptziele Kurs unterrichten von Aufgaben) von Feedback
(testbar lernen Ziele zum Testen verwendet gegeben zu
Ziele) dieses Lernen Student
Ziele
Demonstrieren Vorlesungen Zwischenprüfung Schriftlich und mündlich
Der Bachelor weiß und Verständnis von beschreibend Lösungsaktivitäten in Hausaufgaben Feedback von dem
ist in der Lage, allgemein anwendbar zu sein
Statistiken durch Praktische Klasse und bei assignments Dozent innerhalb eines
qualitativ und Anwendung der Quantitativen Startseite, Videos und Woche der Hausaufgaben
quantitative Forschung Begründung und Daten Lehrbuch online Einreichung und eins
Methoden und ist in der Lage zu
Visualisierung Ressourcen Woche nach dem
wenden Sie diese im Bereich an
Betriebswirtschaftslehre
Prüfungen

Vorlesungen, Probleme Abschlussprüfungen Schriftlich und mündlich

A2: Wissen nachweisen Lösungsaktivitäten in Hausaufgaben Rückmeldung von der
der Grundlagen der Inferenztheorie
Klasse und bei Aufgaben Instrukteur innerhalb eines
Statistiken durch gültige Startseite Woche der Hausaufgaben
Verallgemeinerungen aus der Stichprobe
Lehrbuch online Einreichung und eins
Daten Ressourcen Woche nach dem
Prüfungen
B1: Verwenden Sie R und Excel, um Vorlesungen, Probleme Hausaufgaben schriftlich und mündlich
Führen Sie eine statistische Analyse durch Lösungsaktivitäten in Aufgaben Feedback von dem
Klasse und bei Dozent innerhalb eines
Startseite Woche der Hausaufgaben

Lehrbuch online Einreichung und eins

Ressourcen Woche nach dem
prüfungen

B2: Fallstricke erkennen in Vorlesungen, Probleme Hausaufgaben Written and oral

unter Verwendung statistischer Methoden Lösende Aktivitäten in assignments Feedback von der
Klasse und bei Ausbilder innerhalb eines
Zuhause Woche der Hausaufgaben

Lehrbuch online Einreichung und ein

Ressourcen Woche nach dem
Prüfungen

Wenden Sie Wissen an Ihre Fähigkeit demonstrieren, um Vorlesungen, Problem Hausaufgaben schriftlich und mündlich
verschiedene Funktionsbereiche
statistische Ergebnisse interpretieren zu Übungen lösen Aufgaben Feedback von der
von Geschäft zu Analyse von geschäftsorientiert informieren Dozent innerhalb eines
geschäftsorientiert Entscheidungen Woche der Hausaufgaben

Probleme und Lösungen Einreichung und eins

Woche nach dem
Prüfungen

3
Hauptkursmaterialien (bitte beachten Sie, dass Sie die Lektüren für jede
Woche und Sitzung im Abschnitt Kursplan unten):

Das Kursmaterial besteht aus PowerPoint-Präsentationen, Vorlesungsnotizen und Lektüren.

Aus dem Lehrbuch. PowerPoint-Präsentationen werden nach der Verfügung gestellt.
Die jeweiligen Klassen haben stattgefunden. Ein wöchentliches Übersicht des Kurses
Die Lesungen sind im Abschnitt unten zu finden.

Der Lehrplan, PowerPoint-Präsentationen und wichtige Nachrichten werden hochgeladen auf

das Vesalius-Portal 'Pointcarr '. Von den Studierenden wird erwartet, dass sie diese Seite regelmäßig besuchen, um
Über die Entwicklungen im Kurs informiert bleiben. Der Professor wird erwartet, relevante Informationen hochzuladen.

Material rechtzeitig.

Lehrmaterial, das als ‚empfohlene Lektüren‘ und ‚zusätzliche Quellen‘ gekennzeichnet ist, ist hilfreich.
für Forschungszwecke und um ein vertieftes Verständnis zu erlangen, ist jedoch nicht verpflichtend. Dies
Materialien sind online erhältlich oder werden auf Anfrage zur Verfügung gestellt.

Lehrbuch:

Für das Lernen statistischer Konzepte ist das erforderliche Lehrbuch von David M. Dietz.
Christopher D. Barr und Mine Cetinkaya-Rundel (2015). OpenIntro Statistik
Amerikanisches Institut für Mathematik. Es ist auch online kostenlos als PDF verfügbar.
([Link]

Für das Lernen von R wird das empfohlene Lehrbuch von Nicholas J. Horton, Daniel T. Kaplan empfohlen.
und Randall Pruim (2015). Ein Studentenleitfaden zu R ist online über diesen Link verfügbar:
The provided link does not contain any text to translate.
Studentenfü[Link]

Für Aufgaben und Aktivitäten im Unterricht müssen Sie Folgendes installieren:

- R (verfügbar für einen kostenlosen Download unterDie angegebene URL kann nicht übersetzt werden. Bitte geben Sie einen Text an, den ich übersetzen soll.)Es ist auch
Es wird empfohlen, RStudio zu installieren. R ist die zugrunde liegende Programmiersprache.
Während RStudio eine Reihe integrierter Werkzeuge ist, die die Arbeit mit R wesentlich erleichtert.
einfacher. Beide sind kostenlos, Open-Source und werden von Statistikern weit verbreitet verwendet. Zum Installieren

RStudio, geh zu der folgend link

[Link]
Eine aktuelle Version von Microsoft Excel mit dem installierten AnalysisToolPak (dies ist ein
Getrennte Komponente, die möglicherweise nicht in der "typischen Installation" installiert ist.
Excel)

Empfohlene Referenzbücher:
Freedman, David, Robert Pisani, & Roger Pervis (2007).[Link] York: W. W.
Norton.
James, Gareth,Daniela Witten, Trevor Hastie, & Robert Tibshirani(2013).Ein
Einführung in das statistische Lernen: Mit Anwendungen in R. New York: Springer.
R in Action: Datenanalyse und Grafiken mit R
Island, NY: Manning Publications Co.

4
Aktives Lernen und intensives ‚ Lesen rund um das Thema ‘: Zusätzliche
Quellen, empfohlene Zeitschriften und Websites:

Lernen sollte eine aktive und selbstmotivierte Erfahrung sein. Schüler, die passiv
Hören Sie sich Vorlesungen an, kopieren Sie die Notizen anderer und beschränken Sie Ihre Lektüre auf das Nötigste.
Kapitel werden wahrscheinlich ihr kritisches Denken nicht entwickeln und ihre persönliche erweitern.
Wissenssystem. Bei der Prüfung gelingt es diesen Schülern oft nicht, eine kritische
Herangehensweise. Schülern wird dringend empfohlen, ein aktuelles Verständnis von
Entwicklungen, die mit diesem Kurs und mit ihrem breiteren Hauptfach zu tun haben. Aktiv und
Engagiertes Lernen wird sich als bereichernd für den gesamten Kurs und die Klasse erweisen.
Diskussionen. Die Studierenden sind eingeladen, ihr Verständnis sowohl der theoretischen
und aktuelle Themen aus verschiedenen Quellen. Bitte finden Sie eine Liste von Vorschlägen
die gesamte untenstehende Strecke umfassend. Sie werden ermutigt, zu lesen und zu stöbern.
führende Fachzeitschriften Ihres Fachgebiets.

Führende Fachzeitschriften in den Betriebswirtschaftslehren

Zeitschrift für Internationale Betriebswirtschaft; Zeitschrift für Managementstudien; Zeitschrift für

Marketing; Akademie der Betriebswirtschaftslehre; Rechnungswesen, Organisationen und Gesellschaft;
Accounting Review; Administrative Science Quarterly; American Economic Review;
Zeitgenössische Rechnungslegungsforschung; Ökonometrica; Unternehmertheorie und
Practice; Harvard Business Review; Human Relations; Human Resource
Management; Forschungsbereich Informationssysteme; Journal für Rechnungswesen und Ökonomie;
Zeitschrift für Rechnungswesenforschung; Zeitschrift für angewandte PsychologieJournal für Betriebswirtschaft
Ethik’ Zeitschrift für Unternehmensgründung; Zeitschrift für Verbraucherpsychologie; Zeitschrift für
Verbraucherforschung; Zeitschrift für Finanzen; Zeitschrift für Finanz- und Quantitative
Analyse; Zeitschrift für Finanzökonomie; Zeitschrift für Management; Zeitschrift für
Managementinformationssysteme; Zeitschrift für Marketingforschung; Zeitschrift für
Betriebswirtschaftslehre; Journal of Political Economy; Journal der Akademie von
Marketingwissenschaft; Managementwissenschaft; Fertigungs- und Serviceoperationen
Management; Marketingwissenschaft; MIS-Vierteljahresschrift; MIT Sloan Management Review;
BetriebsforschungOrganisatorisch
Verhalten und menschliche Entscheidungsprozesse;Produktions-
und Betriebsmanagement;
Quarterly Journal of Economics; Research Policy; Review of Accounting Studies;
Überprüfung der Wirtschaftsstudien; Überprüfung der Finanzen; Überprüfung der Finanzstudien;
Zeitschrift für strategisches Unternehmertum

Weitere Journale, die für diesen Kurs relevant sind:

Zeitschrift für angewandte Ökonometrie
Zeitschrift für Internationale Volkswirtschaft
Zeitschrift der American Statistical Organization

Websites von Interesse:

[Link]
[Link]

5
Arbeitsbelastungsberechnung für diesen Kurs:

Dieser Kurs zählt 6 ECTS, was 150–180 Stunden für die gesamte Dauer entspricht.
Semester für diesen Kurs. Das bedeutet, dass Sie voraussichtlich ungefähr 10 verbringen sollten.
Stunden pro Woche in diesem Kurs. Dies umfasst 3 Stunden Vorlesungen oder Seminare pro
Woche und 7 Stunden ‚außerhalb der Klasse‘, die für vorbereitende Lektüre und Studienzeit aufgewendet wurden
Prüfungen sowie die Zeit, die für die Vorbereitung Ihrer Aufgaben aufgewendet wird. Bitte siehe unten die
voraussichtliche Aufschlüsselung Ihrer Arbeitsbelastung für diesen Kurs.

Zeit im Unterricht: 3 Stunden pro Woche / 45 Stunden pro Semester

Zeit für die Kurslektüre: 5 Stunden pro Woche / 75 Stunden pro Semester
Zeit für die Vorbereitung der Aufgabe 1: 8 Stunden
Für die Vorbereitung der Aufgabe 2 eingeplante Zeit: 6 Stunden
Zeit für die Vorbereitung auf die Aufgabe 3: 6 Stunden
Zeit, die für die Vorbereitung der Aufgabe 4 vorgesehen ist: 6 Stunden
Zeit, die für die Vorbereitung/Überarbeitung auf die schriftliche Midterm-Prüfung vorgesehen ist: 10 Stunden
Zeit, die für die Vorbereitung/Überarbeitung auf die schriftliche Abschlussprüfung eingeplant ist: 10 Stunden

Gesamtdauer für diesen Kurs: 166 Stunden

6
Kursbewertung

Die Schüler werden auf der Grundlage ihrer Leistung in den folgenden Punkten bewertet.
Aufgaben

• Aufgaben (vier, jede mit 7,5%) 30%

• Zwischenprüfung 35%
• Abschlussprüfung 35%
• GESAMT 100%

Bewertungsskala des Vesalius College

Die Bewertungsrichtlinien des Vesalius College folgen dem amerikanischen System der Buchstabennoten, das
entsprechen einer Punkteskala von 0–100. Alle Aufgaben (einschließlich Prüfungen) müssen
auf einer Skala von 0-100 bewertet werden. Um den flämischen Bildungsnormen zu entsprechen,
Professoren sollten auf Anfrage auch die Umrechnung der Note in die flämische Sprache bereitstellen.
Skala von 0-20. Die untenstehende Umrechnungstabelle beschreibt die Notenäquivalente.

Notenklasse Skala von 100 Skala von 20

(VeCo Bewertungsmaßstab) (Flämisches System)
A 85-100 17,0-20,0
A- 81-84 16.1-16.9
B+ 77-80 15,3-16,0
B 73-76 14,5-15,2
B- 69-72 13,7-14,4
C+ 66-68 13.1-13.6
C 62-65 12.3-13.0
C- 58-61 11,5-12,2
D+ 54-57 10,7-11,4
D 50-53 10.0-10.6
F 0-49 0-9,9

7
Beschreibung der Aktivitäten, Bewertungsrichtlinien und Fristen:

Vier Hausaufgaben (je 7,5%): Die Schüler müssen abschließen

vier Hausaufgaben während des Kurses. Die Aufgaben sind abgeschlossen
(vorzugsweise) von Teams aus zwei Studenten. Beide Teammitglieder sollten gleichwertig beitragen.
zu jeder der Aufgaben. Diese Aufgaben werden bestehen aus: (1) einer Reihe von Übungen
am Ende jedes Kapitels und (2) Analyse von realen Datensätzen, die heruntergeladen wurden von der
Die Studierenden und von der Lehrkraft genehmigt. Für den Abschnitt der Datenanalyse werden die Studierenden
müssen den R-Syntax oder eine Excel-Datei einreichen.

Aufgabe 1: Messen und Beschreiben von Variablen (zugewiesen am 1. Februar, fällig am

13. Februar

Diese Aufgabe wird Ihr Verständnis verschiedener Arten von Maßstäben testen.
In den zugewiesenen Lesungen diskutiert. Sie werden gebeten, die Arten von Variablen zu bewerten.
Grafiken und Tabellen erstellen und interpretieren sowie deskriptive Statistiken berichten. Sie werden auch
Vertrautmachen mit einigen wichtigen Datenquellen.

Aufgabe 2: Wahrscheinlichkeiten und Verteilungen von Zufallsvariablen (zugewiesen am

13. Feb. fällig am 1. Mär.

Diese Aufgabe wird Ihr Verständnis der grundlegenden Wahrscheinlichkeitskonzepte testen und
Ihre Fähigkeit, Wahrscheinlichkeitsprobleme zu lösen. Sie werden die Normalverteilung anwenden und
die Binomialverteilung. Sie werden die normale Annäherung untersuchen und verwenden, um
Aussagen über einen Datensatz.

Aufgabe 3: Konfidenzintervalle und Hypothesentests (zugewiesen am Mär

13 fällig am 27. März
Für diese Aufgabe werden Sie gebeten, Konfidenzintervalle zu berechnen und zu interpretieren.
Sie werden auch üben, wie man eine testbare Hypothese plant und schreibt. Sie werden eine testen.
Hypothese durch Berechnung von Konfidenzintervallen und p-Werten.

Aufgabe 4: Unterschied der Mittelwerte und ANOVA (zugewiesen am 27. März, fällig am Apr)
26)
Für diese Aufgabe werden Sie gebeten, Schlussfolgerungen aus sowohl numerischen als auch
kategorische Daten. Sie werden den Unterschied in den Mittelwerten zwischen zwei Gruppen mittels t-Test testen.
Test. Sie werden den Unterschied der Mittelwerte zwischen vielen Gruppen mithilfe von ANOVA testen. Sie werden
Üben Sie, einen klaren und präzisen Bericht zu schreiben, in dem Sie Ihre Quellen und die Daten beschreiben.
Durchgeführte Manipulationen und die erzielten Ergebnisse

Mittenscheidungsprüfung und Abschlussprüfung (je 35%): Die Prüfungen bestehen aus kurzen
Fragen, die das Verständnis statistischer Konzepte testen, und 3-4 Probleme, die
wird ähnlich sein wie die Aufgabenstellungen, die für Hausaufgaben zugewiesen werden und die im-
Klassenübungen. Bringen Sie Ihre Studentenausweis, einen Druckbleistift, einen Radiergummi, einen Stift und ein Lineal mit.
mit einem Zentimeterskala und einem Taschenrechner. Makeup-Prüfungen werden nur erlaubt sein
In einem extremen Notfall, der von einem Arzt oder einer Hochschule dokumentiert werden muss.
offiziell, wenn möglich im Voraus.
8
Bewertungskriterien: Transparente Bewertungsrichtlinien für jede Aufgabe

Die folgenden Kriterien werden bei der Beurteilung Ihrer schriftlichen Arbeit angewendet:

Bewertungskriterien für Aufgaben

Bewertungskriterien Notenbereich Notenbereich:

FEHLER (0-49%) D-B A/A-
50-80% 81-100%
0-25 25,5-40 40,5-50
Fähigkeit zu Weiß nicht Ein Problem ist Die Lösung basiert auf
lösen Wie man anfängt teilweise gelöst richtige Annahmen
Probleme zu einem Problem aber falsch alle Arbeit ist klar
(50 Punkte) Annahmen werden präsentiert und die
Benutzte oder fehlerhafte Logik ist einfach nachzuvollziehen.
aufgetreten während
Berechnung
0-12,5 13-20 20,5-25
2 Fähigkeit zur Nutzung stellt nicht bereit Die R-Syntax oder Angemessene R-Syntax
eine statistische die R-Syntax oder Excel-Befehle oder Verwendung von Excel, vollständig
Paket die Excel-Datei, Verwendungen sind angemessen
annotierte Verwendung des
(25 Punkte) falsche R-Syntax zum größten Teil Software, die sein kann
oder Excel aber es gibt deutlich gefolgt
Funktionen/Formeln gelegentlich
Fehler, oder
Annotationen sind
fehlend
0-12,5 13-20 20,5-25
3. Fähigkeit zu Kann nicht erklären Die Erklärung ist Bietet Genauigkeit
interpretieren Substantiv korrekt für die und präzise
statistisch Bedeutung dahinter größerer Teil, aber Interpretation des
Ausgabe die statistische eine Sprache statistische Ausgabe
(25 Punkte) Ausgabe ist ungenau

9
Bewertungskriterien für die Zwischenprüfung und die Abschlussprüfung

Bewertungsskala Notenbereich Notenbereich:

FEHLER (0-49%) D-B A/A-
50-80% 81-100%
0-25 25,5-40 40,5-50
Fähigkeit zu Weiß nicht Ein Problem ist Die Lösung basiert auf
lösen wie man anfängt teilweise gelöst korrekte Annahmen,
Probleme zu einem Problem aber falsch alle Arbeit ist klar
(50 Punkte) Annahmen werden präsentiert und die
Benutzte oder fehlerhafte Logik ist leicht nachzuvollziehen
trat während auf
Berechnung
0-12,5 13-20 20,5-25
2. Wissen über Falsch Erläuterung ist Bietet eine präzise
Schlüsselkonzepte Definition verwirrt Definition des
(25 Punkte) enthält Fakten Konzept, unterstützt von
Fehler Beispiele wie
ungenau angemessen
Sprache
gibt falsch aus
Beispiele
0-12,5 13-20 20,5-25
3. Interpretation Kann nicht erklärt werden Erklärung ist Bietet Genauigkeit
von statistischen Substantiv richtig für den und präzise
Ausgabe Bedeutung dahinter größerer Teil, aber Interpretation des
(25 Punkte) die statistische eine Sprache statistische Ausgabe
Ausgabe ist ungenau

10
Anwesenheitspolitik des Vesalius College

Weil das College sich verpflichtet hat, den Studierenden hochwertige Kurse anzubieten und
ausreichend Gelegenheit für die Interaktion zwischen Lehrern und Schülern, ist es unerlässlich, dass die Schüler
Regelmäßig am Unterricht teilnehmen. Daher hat das Vesalius College eine strikte Anwesenheitspolitik.
Die Teilnahme an Klassensitzungen ist obligatorisch, außer im Falle eines medizinischen Notfalls.
(z. B. Krankheit). Die Studierenden müssen Nachweise für das Fehlen im Unterricht vorlegen (Arztbescheinigung).
Wenn ein Nachweis erbracht wird, wird die versäumte Stunde als entschuldigte Stunde betrachtet. Wenn kein
Wenn Nachweise erbracht werden, wird die versäumte Klasse als Abwesenheit gezählt. Wenn die Schüler ...
Bei zwei fehlenden Klassen informiert der Dozent den Berater des Studenten.

Die Teilnahme setzt voraus, dass die Studenten pünktlich sind: Allgemein rät das College dazu.
dass die Studenten in dieser Hinsicht pünktlich sein sollten, aber es liegt am Professor, zu entscheiden
ob späte Ankünfte als Abwesenheiten gewertet werden sollen oder nicht.

Zusätzliche Kursrichtlinien

Vorbereitung auf den Unterricht: Lesen Sie die im Kursplan angegebenen Materialien sorgfältig durch
bevor Sie zum Unterricht kommen. Statistik ist ein sequenzielles Fach: neue Themen bauen auf
Konzepte, die zuvor eingeführt wurden, sind von entscheidender Bedeutung, um mit dem Material Schritt zu halten, während wir fortfahren.
und regelmäßig Konzepte zu überprüfen. Wir werden im Unterricht an statistischen Problemen arbeiten. Ich
erwarten von Ihnen, dass Sie aktiv an den Problemen arbeiten und sich darauf vorbereiten, diese kurz zu präsentieren.
Ergebnisse Ihrer Arbeit an die anderen Studierenden. Sie sollten einen Laptop mit in den Unterricht bringen für die
Sitzungen, die im Kursplan angegeben sind.

Verspätete Aufgaben: Hausaufgaben sind zu Beginn des Unterrichts fällig.

Verspätete Aufgaben werden nicht akzeptiert, es sei denn, es liegen ernsthafte, legitime Gründe vor.
Die Vorlage eines unterschriebenen medizinischen Attests ist erforderlich, und es muss vorab eine Mitteilung gegeben werden.

Frist.

Rückgabe der Originale schriftlicher Arbeiten: Während des Semesters sollten Sie
Kopien Ihrer benoteten schriftlichen Arbeiten (Aufgaben und Zwischenprüfung) und zurückgeben
die Originale für mich (benötigt zur Inspektion durch die externen Prüfer und die
Akkreditierungsstelle.

Erklärung zur akademischen Ehrlichkeit

Akademische Unehrlichkeit wird in diesem Kurs NICHT toleriert.

Akademische Ehrlichkeit ist nicht nur ein ethisches Problem, sondern auch die Grundlage der Wissenschaft.
Betrug und Plagiat sind daher schwerwiegende Verstöße gegen die akademische Integrität.
Gemäß der Hochschulrichtlinie werden Fälle von Betrug und Plagiat mitgeteilt.
Schreiben an den stellvertretenden Dekan und eingereicht beim Studentenausschuss für
disziplinarische Maßnahmen.
Wenn Sie auf die Arbeit einer anderen Person verweisen, müssen angemessene Referenzen und Zitationen erfolgen.
bereitgestellt. Grammatik, Rechtschreibung und Interpunktion zählen, also nutzen Sie die notwendigen Werkzeuge, um
Vor dem Einreichen von Aufgaben korrekturlesen.

11
Bitte konsultieren Sie den Abschnitt „Plagiate vermeiden“ im College-Katalog für weitere Informationen.
Leitung.

Turnitin
Alle schriftlichen Arbeiten, die benotet werden und mehr als 10 % für die Endnote zählen
Die Kursnote muss über die Plagiatssoftware Turnitin eingereicht werden. Sie werden
Erhalten Sie von Ihrem Professor ein einzigartiges Passwort und einen Zugangscode für Ihre Klasse.

12
 Kursplan (Übersicht)

Woche 1 23. Januar Einführung in den Kurs und Überblick über den Kurs und
Anforderungen
25. Januar Einführung in Daten
Arten von Variablen; Grundsätze der Datenerhebung; Arten von Studien
Woche 2 Jan 30 Untersuchung numerischer Daten
Grafische Methoden: Histogramme und andere Grafiken
1. Februar Numerische Methoden: der Durchschnitt, die Standardabweichung, usw.
Woche 3, 6. Februar Untersuchung kategorischer Daten
Tabellarische Methoden: Kontingenztabellen
8. Februar Grafische Methoden: Balkendiagramme und andere Grafiken
Woche 4 13. Februar Wahrscheinlichkeit
Elementare Wahrscheinlichkeitsregeln
Aufgabe 1 ist fällig
15. Februar Bedingte Wahrscheinlichkeit
Woche 5, 20. Februar Zufallsvariablen
22. Februar Verteilungen von Zufallsvariablen
Normalverteilung
Woche 6, 27. Februar Bewertung der normalen Annäherung
1. März Binomialverteilung
Die Aufgabe 2 ist fällig
Woche 7 6. März Überarbeitung
Zwischenprüfung
8. März ZWISCHENPRÜFUNG
Woche
Woche 8 13. März Überprüfung der Zwischenprüfung und Ergebnisse
Grundlagen für Inferenz
Variabilität in Schätzungen
15. März Konfidenzintervalle
Woche 9, 20. März Hypothesentests
22. März Der zentrale Grenzwertsatz
Woche 27. März Schlussfolgerung für numerische Daten
10 Ein Stichproben-Test über einen Populationsmittelwert
Aufgabe 3 ist fällig
29. März Ein Stichprobentest über den Mittelwert einer Population, Fortsetzung.
Frühjahrsferien – 2. April bis 13. April 2018 – KEINE UNTERICHTE

Woche 17. Apr Vergleich zweier Populationsmittelwerte

11 19. Apr Vergleich von zwei Populationsmittelwerten, Fortsetzung.

Woche 24. April Vergleich vieler Mittel mit ANOVA

12 26. April Vergleich vieler Mittel mit ANOVA, Fortsetzung.
Aufgabe 4 ist fällig
Woche 1. Mai Keine Klasse: Feiertag
13 3. Mai Inference für kategoriale Daten
Woche 8. Mai Überarbeitung
14 10. Mai Feiertag

Woche ABSCHLUSSPRÜFUNGEN
15

13
 Detaillierte Kursübersicht Sitzung für Sitzung

Im folgenden Umriss bezieht sich OI auf die OpenIntro-Statistik, während SG auf die
Studentenleitfaden zu R.

Woche 1, Sitzung 1 (Dienstag, 23. Januar 2018)

Einführung in den Kurs und Überblick über die Kernanforderungen.

Lesen: Lehrplan

Woche 1, Sitzung 2 (Donnerstag, 25. Januar 2018)

Einführung in Daten: Variablentypen; Grundsätze der Datenerhebung; Arten von

Studien
Pflichtlektüre:
OI: Kap. 1: S. 7-26
SG: S. 5-7, 11-12; Kap. 1: S. 13-14; Kap. 2: S. 15-16, 20-25

Leitfragen:
1. Nennen Sie ein Beispiel für Behandlung und Reaktion aus Ihrem Hauptstudienbereich.
2. Was ist eine Störvariable? Geben Sie ein Beispiel, das sich auf den von Ihnen zitierten Fall bezieht.
Für Frage (1).
3. Geben Sie ein Beispiel für eine Beobachtungsstudie aus Ihrem Hauptstudienfeld an.
4. Wie unterscheidet sich eine Beobachtungsstudie?ff Er aus einem kontrollierten Experiment?
5. Was ist der Unterschied zwischen Kausalität und Korrelation?
6. Wie hilft die zufällige Zuweisung bei der Schätzung eines kausalen Effekts?
7. Was sind die Haupttypen von Variablen?
Nennen Sie Beispiele aus Ihrem Hauptfach für eine qualitative Variable, die nominal ist.
qualitative variable that is ordinal; a discrete quantitative variable; a continuous
quantitative Variable.

Woche 2, Sitzung 3 (Dienstag, 30. Januar 2018)

Untersuchung numerischer Daten

Grafische Methoden: Histogramme und andere Diagramme
Pflichtlektüre:
OI: Kap. 1: S. 26-42
SG: Ch. 3: Pp. 27-33; Ch. 5: Pp. 45-46
Bringen Sie einen Laptop zum Unterricht mit

Leitfragen:
1. Welche Merkmale der Verteilung sind in einem Histogramm sichtbar?
2. Welche Merkmale der Verteilung sind in einem Boxplot offensichtlich?
3. Warum ist es wichtig, nach Ausreißern zu suchen?

14
Woche 2, Sitzung 4 (Donnerstag, 1. Februar 2018)

Analyse von numerischen Daten

Numerische Methoden: der Durchschnitt, die Standardabweichung und andere Numerische
Maßnahmen

Pflichtlektüre:
OI: Kap. 1: S. 26-42
SG: Kap. 3: S. 27-33
Bringen Sie einen Laptop in den Unterricht mit

Leitfragen:
[Link] Sie ein Beispiel aus Ihrem Hauptstudienfeld für eine Situation, in der der Median ein
besseres Maß der zentralen Tendenz von Daten als der Durchschnitt.
2. Was ist eine Standardabweichung und warum ist sie wichtig?

Aufgabe 1 ist zugewiesen

Woche 3, Sitzung 5 (Dienstag, 6. Februar 2018)

Untersuchung kategorischer Daten

Tabellarische Methoden: Kontingenztafeln
Erforderliche Lektüre:
OI: Kap. 1: S. 43-50
SG: Ch. 4: Pg. 39; Ch. 6: Pp. 55-58
Bringen Sie einen Laptop in den Unterricht

Leitfragen:
1. Was ist eine Kontingenztabelle?
2. Welche Schlussfolgerungen können aus einer Kontingenztabelle gezogen werden?

Woche 3, Sitzung 6 (Donnerstag, 8. Februar 2018)

Untersuchung kategorialer Daten

Grafische Methoden: Balkendiagramme und andere Grafiken
Pflichtlektüre:
OI: Kap. 1: S. 43-50
SG: Ch. 4: Pg. 39; Ch. 6: Pp. 55-58
Bringen Sie ein Laptop zum Unterricht

Leitfragen:
1. Welche Diagramme werden hauptsächlich verwendet, um kategoriale Daten darzustellen?

15
Woche 4, Sitzung 7 (Dienstag, 13. Februar 2018)

Wahrscheinlichkeit: grundlegende Wahrscheinlichkeitsregeln

Pflichtlektüre:
OI: Kap. 2: S. 76-87

Leitfragen:
1. Welche Regeln müssen von Wahrscheinlichkeitsverteilungen erfüllt werden?
2. Was sind die Additions- und Multiplikationsregeln?
3. Wann sind zwei Ereignisse einander ausschließend?
4. Wann sind zwei Ereignisse unabhängig?

Die Aufgabe 1 ist fällig

Aufgabe 2 wurde zugewiesen

Woche 4, Sitzung 8 (Donnerstag, 15. Februar 2018)

Wahrscheinlichkeit
Pflichtlektüre:
OI: Kap. 2: S. 88-102
SG: Lies Kapitel 6 erneut: S. 55-58

Leitfragen:
Geben Sie ein Beispiel aus Ihrem Fachgebiet für eine bedingte Chance.

Woche 5, Sitzung 9 (Dienstag, 20. Februar 2018)

Wahrscheinlichkeit: Zufallsvariablen
Eingeschlossene Lektüre:
OI: Kap. 2: S. 104-112

Leitfragen:
1. Was ist das diff Was ist der Unterschied zwischen einem Durchschnittswert und einem Erwartungswert?

Woche 5, Sitzung 10 (Donnerstag, 22. Februar 2018)

Normalverteilung
Pflichtlektüre:
OI: Kap. 3: S. 127-137
SG: Kap. 11: S. 83-87
Bring einen Laptop zum Unterricht

Leitfragen:
1. Was sind die Eigenschaften der Normalverteilung?
2. Was ist ein Az-Wert?
3. Beschreiben Sie die empirische Regel.

16
Woche 6, Sitzung 11 (Dienstag, 27. Februar 2018)

Bewertung der Normalapproximation

Pflichtlektüre:
OI: Kap. 3: S. 137-141
SG: Kap. 11: S. 83-87
Bring einen Laptop zum Unterricht

Leitfragen:
1. Warum ist es wichtig, die Angemessenheit der Normalitätsannahme zu bewerten?

Woche 6, Sitzung 12 (Donnerstag, 1. März 2018)

Binomialverteilung
Pflichtlektüre:
OI: Kap. 3: S. 145-152
SG: Kap. 11: S. 83-87
Bringe einen Laptop zum Unterricht mit

Leitfragen:
1. Was sind die Eigenschaften der Binomialverteilung?
2. Wann ist es angemessen, die binomiale Verteilung zu verwenden?

Aufgabe 2 ist fällig

Woche 7, Sitzung 13 (Dienstag, 6. März 2018)

Überarbeitung

Woche 7, Sitzung 14 (Donnerstag, 8. März 2018)

Zwischenprüfung
Deckt sämtliches bis heute behandeltes Material ab. Bringen Sie Ihre Studentenausweis, einen Druckbleistift, einen
Radiergummi, ein Stift, ein Lineal mit Zentimeterskala und ein Taschenrechner.

Woche 8, Sitzung 15 (Dienstag, 13. März 2018)

Überprüfung der Zwischenprüfung und Ergebnisse

Grundlagen für Schlussfolgerungen: Variabilität in Schätzungen
Pflichtlektüre:
OI: Kap. 4: S. 168-174

Leitfragen:
1. Was ist die Stichprobenverteilung eines Punkteschätzers?
2. Was ist der Unterschied zwischen einer Standardabweichung und einem Standardfehler?

Aufgabe 3 ist zugewiesen

17
Woche 8, Sitzung 16 (Donnerstag, 15. März 2018)

Konfidenzintervalle
Pflichtlektüre:
OI: Kap. 4: S. 174-180
SG: Kap. 3: S. 8
Bringen Sie einen Laptop zum Unterricht mit

Leitfragen:
1. Wie berechnen wir ein Konfidenzintervall?
2. Wie interpretieren wir ein Konfidenzintervall?

Woche 9, Sitzung 17 (Dienstag, 20. März 2018)

Hypothesentest
Pflichtlektüre:
OI: Kap. 4: S. 180-194

Leitfragen:
1. Was ist der Unterschied zwischen einer Nullhypothese und einer alternativen Hypothese?
2. Wie interpretieren wir einen p-Wert?
3. Wie testen wir eine Hypothese mit dem p-Wert?
4. Was ist der Unterschied zwischen Fehler vom Typ I und Fehler vom Typ II?

Woche 9, Sitzung 18 (Donnerstag, 22. März 2018)

Der zentrale Grenzwertsatz

Pflichtlektüre:
OI: Kap. 4: S. 194-202

Leitfragen:
Was ist das Wesentliche des zentralen Grenzwertsatzes?
2. Was ist der praktische Wert des Theorems?

18
Woche 10, Sitzung 19 (Dienstag, 27. März 2018)

Ein Stichtest über einen Populationsmittelwert

Pflichtlektüre:
OI: Kap. 5: S. 219-227
SG: Kap. 3, S. 36-37
Bringen Sie einen Laptop in den Unterricht mit

Leitfragen:
1. Was sind die Eigenschaften der t-Verteilung?
2. Wann verwenden wir die t-Verteilung für die Inferenz?
3. Wann lehnen wir die Nullhypothese über einen Populationsmittelwert ab?

Aufgabe 3 ist fällig

Aufgabe 4 ist zugewiesen

Woche 10, Sitzung 20 (Donnerstag, 29. März 2018)

Ein Stichproben-Test über einen Populationsmittelwert, Fortsetzung.

Pflichtlektüre:
OI: Kap. 5: S. 219-227
SG: Kap. 3: S. 36-37
Bringen Sie einen Laptop zum Unterricht mit

Woche 11, Sitzung 21 (Dienstag, 17. April 2018)

Vergleich zweier Populationsmittelwerte

Pflichtlektüre:
OI: Kap. 5: S. 228-245
SG: Kap. 7: S. 62-63
Bringen Sie einen Laptop zum Unterricht mit

Leitfragen:
1. Nennen Sie ein Beispiel aus Ihrem Hauptstudienbereich für eine Situation, wann und warum.
Ist es nützlich, die Mittelwerte zwischen den Gruppen zu vergleichen?
Was bedeutet eine "unabhängige Gruppe"?
3. Was sind "gepaarte Daten"?

Woche 11, Sitzung 22 (Dienstag, 19. April 2018)

Vergleich von zwei Populationsmittelwerten, Fortsetzung.

Pflichtlektüre:
OI: Kap. 5: S. 228-245
SG: Kap. 7: S. 62-63
Bringen Sie einen Laptop zum Unterricht mit

19
Woche 12, Sitzung 23 (Dienstag, 24. April 2018)

Vergleich vieler Mittelwerte mit ANOVA

Pflichtlektüre:
OI: Kap. 5: S. 246-256
SG: Kap. 7: S. 65-68
Bring einen Laptop zum Unterricht

Leitfragen:
1. Warum vergleichen wir viele Mittelwerte mit ANOVA anstelle von vielen t-Tests?
2. Welche Bedingungen müssen überprüft werden, bevor man ANOVA durchführt?
3. Was für eine Art von Test ist ANOVA?

Woche 12, Sitzung 24 (Donnerstag, 26. April 2018)

Vergleich vieler Mittel mit ANOVA, Fortsetzung.

Pflichtlektüre:
OI: Kap. 5: S. 246-256
SG: Kap. 7: S. 65-68
Bring einen Laptop zum Unterricht

Die Aufgabe 4 ist fällig

Woche 13, Sitzung 25 (Dienstag, 1. Mai 2018)

Feiertag: kein Unterricht

Woche 13, Sitzung 26 (Donnerstag, 3. Mai 2018)

Schlussfolgerungen für kategoriale Daten

Pflichtlektüre:
OI: Kap. 5: S. 246-256
SG: Kap. 7: S. 65-68
Bring einen Laptop zum Unterricht

Leitfragen:
Kategoriale Daten haben keine Mittelwerte. Was vergleichst du, wenn du Schlussfolgerungen ziehst?
aus kategorialen Daten?
2. Wie unterscheidet sich der Hypothesentest für kategorische Daten vom Hypothesentest für
numerische Daten?

Woche 14, Sitzung 27 (Dienstag, 8. Mai 2018)

Überarbeitung

20
Woche 14, Sitzung 28 (Donnerstag, 10. Mai 2018)

Feiertag

Woche 15: Abschlussprüfung, steht noch aus

Deckt sämtliches Material ab, das seit der Zwischenprüfung behandelt wurde. Bringe deinen Schülerausweis mit, ein
mechanischer Bleistift, ein Radiergummi, ein Stift, ein Lineal mit Zentimeterskala und ein Taschenrechner.

21