Universität Wien
Warning! The directory is not yet complete and will be amended until the beginning of the term.

040149 UK Linear Multivariate Statistics (2024S)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Continuous assessment of course work

Voraussetzung: Lineare Algebra, Lineare Modelle
Moodle

Registration/Deregistration

Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).

Details

max. 65 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

  • Tuesday 05.03. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 19.03. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 09.04. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 16.04. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 23.04. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 30.04. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 07.05. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 14.05. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 21.05. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 28.05. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 04.06. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 11.06. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 18.06. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Tuesday 25.06. 16:45 - 18:15 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
    Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock

Information

Aims, contents and method of the course

Ziele:
Praxisnahe Vermittlung von fortgeschrittenen Methoden der angewandten Statistik, insbesondere von multivariaten Verfahren. Vermitteln eines Grundverständnisses für die statistische Modellierung. Durchführung von praxisorientierten Datenanalysen mittels R

Inhalte:
1. Varianzanalyse
2. Hauptkomponenten- und Faktorenanalyse
3. Diskriminanzanalyse
4. Clusteranalyse

Methoden:
Vorlesung mit kombinierter Übung.
Vorlesungsskript und Daten werden zur Verfügung gestellt.
Studierende müssen in statistischer Software am eigenen Rechner programmieren.

Assessment and permitted materials

Es gibt zwei Hausarbeiten: eine zu den Themen 1 und 2 und eine zu den Themen 3 und 4. Die Bearbeitungszeit der Hausarbeiten ist 1 Woche. Die erste Hausarbeit wird am 30.04.2024 vergeben, die zweite am 11.06.2024.
Zusätzlich, wird es eine schriftliche Prüfung in Präsenz zu den theoretischen Inhalten am 25.06.2024 geben.

Die Verwendung von KI-Tools (z. B. ChatGPT) für die Produktion von Texten ist nur dann erlaubt, wenn diese von der Lehrveranstaltungsleitung ausdrücklich gefordert werden (z. B. für einzelne Arbeitsaufgaben).

Minimum requirements and assessment criteria

Die maximale Anzahl der Punkte:
40 Punkte Schriftliche Prüfung
30 Punkte Hausarbeit zu den Themen 1 und 2
30 Punkte Hausarbeit zu den Themen 3 und 4
Die Note ermittelt sich nach dem Schema: 4 ab 50 Punkten, 3 ab 63 Punkten, 2 ab 75 Punkten, 1 ab 87 Punkten.

Examination topics

Inhalte der behandelten Themen.

Reading list

Fahrmeir, L., Hamerle, A., Tutz, G. (1996) Multivariate statistische Verfahren.
Izenman, A.J. (2008) Modern multivariate statistical techniques.
Johnson, R. A., Wichern, D.W. (2007) Applied multivariate statistical analysis.

Association in the course directory

Last modified: We 31.07.2024 11:25