Allgemeine Informationen
| Veranstaltungsname | Vorlesung: 35500a Multivariate Verfahren |
| Untertitel | NUR FÜR WIEDERHOLER |
| Veranstaltungsnummer | 35500a |
| Semester | SS 20 |
| Aktuelle Anzahl der Teilnehmenden | 75 |
| erwartete Teilnehmendenanzahl | 180 |
| Heimat-Einrichtung | Lehreinheit für Computergestützte Statistik und Mathematik |
| beteiligte Einrichtungen | Graduiertenzentrum, Lehrstuhl für Statistik und Data Analytics |
| Veranstaltungstyp | Vorlesung in der Kategorie Lehre (mit Prüfung) |
| Erster Termin | Montag, 08.06.2020 08:00 - 10:00 Uhr |
| Art/Form | Vorlesung kombiniert mit Übung |
| Lernorganisation |
o Interaktiver Frontalunterricht o Berechnen und besprechen von Übungsaufgaben o Anwenden der Statistiksoftware R (R-Vorkenntnisse werden nicht vorausgesetzt) |
| Leistungsnachweis |
Klausur 90 Minuten (NUR FÜR WIEDERHOLER) |
| SWS |
1 |
| Literatur |
o Handl, A. & T. Kuhlenkasper (2017), Multivariate Analysemethoden, Springer. o Johnson, R.A. & D.W. Wichern (2007), Applied Multivariate Statistical Analysis, Pearson Prentice Hall. o Ligges, U. (2008), Programmieren mit R, Springer. o Kleiber, C. & A. Zeileis (2008), Applied Econometrics with R, Springer. |
| Turnus |
Wintersemester |
| Qualifikationsziele |
Sowohl die grundlegenden strukturprüfenden als auch die strukturentdeckenden Verfahren werden in einer Vielzahl von Praxisbereichen angewendet und dienen der Entscheidungsunterstützung. Das Modul qualifiziert die Studierenden zur Anwendung multivariater Verfahren. Konkret bedeutet dies: o Die Studierenden kennen die Voraussetzungen und Grundlagen, auf deren Basis die Verfahren angewendet werden können. o Sie wissen, für welche Sachverhalte diese Verfahren prinzipiell geeignet sind und können ihr Fachwissen auf Praxisbeispiele - auch mit Hilfe der statistischen Software R – übertragen. |
| Workload |
Vorlesung 2-3 SWS (30-45 h Präsenzzeit, 45-60 h Eigenarbeitszeit) Übung 1-2 SWS (15-30 h Präsenzzeit, 30-45 h Eigenarbeitszeit) |
