Statistik
B13.1 Statistik (SL) 1. Zug, B13.2 Statistik (PCÜ) 1. Zug, 1.+2. Gruppe WiSe 2019/20
HTW Fachbereich 4: Informatik, Kommunikation und Wirtschaft
Studiengang Wirtschaftskommunikation (B)
Aktuelles:
Die Lehrveranstaltung B13.2 Statistik (PCÜ) 1. Zug, 1. Gruppe am 6.1.2020, 8:00 - 11:15 fällt aus und wird auf den 13.1.2020 verlegt. Sie findet zusammen mit der 2. Gruppe 8:00 - 11:15 im Raum WH C 449 statt.
Es wird eine Übung zur Prüfungsvorbereitung geben.
Die Lehrveranstaltung Statistik (Vorlesung) 1. Zug am 6.1.2020 14:00 - 15:30 fällt aus.
Wir sehen uns am 13.1.2020 zur Prüfungsvorbereitung wieder. Bearbeiten Sie bis dahin alle Übungsblätter mit Schwerpunkt auf Prüfungsrelevante Fragen.
Statistik (SL)
Seminarplan
1. Einführung
7.10.2019
2. Statistik – Einführung
14.10.2019
3. Eindimensionale Darstellung qualitativer Merkmale
21.10.2019
Absolute, relative Häufigkeit
Modus (Mittelwert)
Median (Zentralwert)
Median (Zentralwert) über Häufigkeitstabelle
4. Bivariate Darstellung kategorialer Merkmale
28.10.2019, 4.11.2019
Chi Quadrat Unabhängigkeitstest 1
Chi Quadrat Unabhängigkeitstest 2
Abhängigkeit und Kontingenzkoeffizient
Chi-Quadrat Unabhängigkeitstest
5. Eindimensionale Darstellung quantitativer Merkmale
4.11.2019, 11.11.2019
Korrelationskoeffizient, linearer Zusammenhang
Lineare Regression, Sxx, Sxy, Syy
Regressionsgeraden, lineare Regression
Einfache Lineare Regression Basics
Kovarianz und Korrelation
Korrelationskoeffizient
Regressionsanalyse
Deriving the least squares estimators
6. Bivariate Darstellung quantitativer Merkmale
7. Grundlagen der induktiven Statistik: Zufall, Zufallsverteilung, Kennwerte zufälliger Stichproben
2.12.2019
8. Testen von Hypothesen über Unterschiede und Zusammenhänge
9.12.2019
Statistik (PCÜ)
Seminarplan
1. SPSS Statistics
14.10.2019, 21.10.2019
2. SPSS Daten-Management
14.10.2019, 21.10.2019
Ressourcen SPSS
Machen Sie sich mit den SPSS Produktmerkmalen vertraut
Sehen Sie sich hier weitere hilfreiche Ressourcen an.
3. SPSS Descriptive Startistik
Python Installieren
Jupyter Notebook
Python Variablen
Python Bibliotheken
11.11.2019,18.11.2019
Zusatzaufgabe:
25.11.2019, 02.12.2019
9.12.2019, 16.12.2019
Referat Marktforschungsstudie
Wählen Sie eine Marktforschungsstudie aus (sie muß frei zugänglich sein) und stellen Sie diese in einer Präsentation (20min) vor. Im Anschluss stellen Sie sich Fragen aus dem Publikum (10 min).
Setzen Sie sich kritisch mit der Studie auseinander und beurteilen Sie die diese in Bezug auf Formulierung der Untersuchungsziele, Eignung des methodischen Zugangs, Eignung der theoretischen Grundlagen der Evaluation, interne und externe Validität, Eignung der Messvalidität, Qualität der Datenauswertung, Qualität der Ergebnisinterpretation und das Bestehen möglicher Interessenkonflikte. Orientieren Sie sich dabei am NZK-Evidenzindex.
Die Vorträge finden in der Übung/Vorlesung am 27.1.2020, 8:00 - 13:45 statt. Anmeldung ist verbindlich (FCFS) und endet am 15.11.2019. Die Bewertung geht zu 50% in die Klausurbewertung ein.
2. Prüfung
30.03.2020
12:15 - 13:45 Uhr, WH C 449
Dieser Termin wurde wegen der COVID-19 Pandemie verschoben. Alternative Prüfungsformen werden angeboten. Für weitere Informationen nutzen Sie bitte den Moodle Kurs https://moodle.htw-berlin.de/course/view.php?id=27387. Falls Sie keinen Zugriff haben, prüfen Sie zunächst ob Sie zum 2. PZ angemeldet sind.
Prüfungstermin Onlineklausur: 20.05. 10:45
Technische Voraussetzungen:
- Internetzugang
- Drucker (optional) - zum Ausdrucken der Aufgaben
- Scanner (SmartPhone App) - Lösungen müssen innerhalb der Prüfungszeit gescannt und als ein PDF Dokument in Moodle hochgeladen werden.
- Stift/ Papier
Hilfsmittel:
- Taschenrechner (ohne Kommunikationsfunktion)
- Formelsammlung / Kursnotizen
Aufgaben/Lösungen
MDS of Correlation Distances
This is a 2d embedding of the correlation of numerical results submitted for the 2nd exam. As you can see, there are clusters around "Answers" - the correct solutions. This is what you would normally expect. I added also a data point for a similar solution you can easyly find on the internet. Clusters can also be an indication of colaboration of students. The latter is in particular a possibility, if the cluster is far away from the correct solution.
The size of the dots is a representation of the total score. Since a student can earn scores for providing intermediate steps, the dot size may also provide an indication of causation.