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

040769 UK Programming in Statistics (2024W)

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

Formale Voraussetzung für die Teilnahme am Kurs ist die erfolgreiche Absolvierung der STEOP.

Es werden Vorkenntnisse über die Grundlagen der Wahrscheinlichkeitsrechnung und Statistik (Verteilungen, Hypothesentests (zB T-Test, Chi-Quadrat-Test), lineare Regression) empfohlen.

Programmiervorerfahrungen sind keine nötig.

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

Der Kurs ist in 5 Kurseinheiten gegliedert und wird leicht geblockt abgehalten. In jeder Kurseinheit gibt es ein schriftliches Quiz und eine Hausübung.

# Termine mit Anwesenheitspflicht

* Vorbesprechung am Mittwoch, den 02.10.2024 von 13:15 bis 14:45 Uhr
* 5 schriftliche Quiz:
- Quiz 1: Montag, 21.10.2024 von 16:45 bis 18:15 (HS1)
- Quiz 2: Montag, 04.11.2024 von 16:45 bis 18:15 (HS1)
- Quiz 3: Montag, 18.11.2024 von 16:45 bis 18:15 (HS1)
- Quiz 4: Montag, 02.12.2024 von 16:45 bis 18:15 (HS1)
- Quiz 5: Montag, 16.12.2024 von 16:45 bis 18:15 (HS1)
* Schriftlicher Test am Montag, den 20.01.2025 von 16:45 bis 18:15 (HS1)

_ACHTUNG_: Ein unentschuldigtes Fehlen in der Vorbesprechung führt zur sofortigen Abmeldung von der Lehrveranstaltung.

# Termine mit Anwesenheitsempfehlung

* Hausübungs-Reflexionseinheiten
- HÜ 1: Montag, 28.10.2024 von 16:45 bis 18:15
- HÜ 2: Montag, 11.11.2024 von 16:45 bis 18:15
- HÜ 3: Montag, 25.11.2024 von 16:45 bis 18:15
- HÜ 4: Montag, 09.12.2024 von 16:45 bis 18:15
- HÜ 5: Montag, 13.01.2025 von 16:45 bis 18:15

In den Hausübungs-Reflexionseinheiten reflektieren wir über die Hausübungen. Es werden die Musterlösungen präsentiert, alternative Lösungswege diskutiert und gegenübergestellt, häufig begangene Fehler besprochen sowie etwaige Fragen zur eigenen Hausübung geklärt.

# Angebote ohne Anwesenheitspflicht

* Vorlesungen und Wiederholungseinheiten
- Mittwochs von 13:15 bis 14:45 und 15:00 bis 16:30
- Montag 07.10.2024 und 14.10.2024 von 16:45 bis 18:15
* Tutorium
- Freitags von 13:15 bis 14:45

In der Vorlesung werden die wesentlichen Stoffkomponenten der jeweiligen Kurseinheit erläutert. In den Wiederholungseinheiten (finden jeweils am Mittwoch von 13:15 bis 14:45 vor dem Quiz statt) wird der Stoff rekapituliert.

Die Vorlesungen und Wiederholungseinheiten werden gestreamt und aufgezeichnet und die Videos auf Moodle zur Verfügung gestellt. Dh diese Einheiten können sowohl live (im Hörsaal oder via Zoom) als auch im Nachhinein via Aufzeichnung verfolgt werden.

Im Tutorium besteht die Möglichkeit, Fragen zum Stoff / zur Hausübung mit dem Tutor Martin Stur zu klären.

# Projektarbeit und Abschlussgespräch

Am Ende der Lehrveranstaltung gibt es eine Projektarbeit, welche zwischen Ende Jänner und Mitte März 2025 in persönlichen Gesprächen diskutiert werden. Die Termine dafür werden im Laufe des Semesters vereinbart.

  • Wednesday 02.10. 13:15 - 14:45 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Wednesday 02.10. 15:00 - 16:30 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Friday 04.10. 13:15 - 14:45 Hörsaal 8 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 07.10. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Wednesday 09.10. 13:15 - 14:45 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Wednesday 09.10. 15:00 - 16:30 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Friday 11.10. 13:15 - 14:45 Hörsaal 8 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 14.10. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Wednesday 16.10. 13:15 - 14:45 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Wednesday 16.10. 15:00 - 16:30 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Friday 18.10. 13:15 - 14:45 Hörsaal 8 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 21.10. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Wednesday 23.10. 13:15 - 14:45 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Wednesday 23.10. 15:00 - 16:30 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Friday 25.10. 13:15 - 14:45 Hörsaal 8 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 28.10. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Wednesday 30.10. 13:15 - 14:45 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Wednesday 30.10. 15:00 - 16:30 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Thursday 31.10. 15:00 - 16:30 Hörsaal 8 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 04.11. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Wednesday 06.11. 13:15 - 14:45 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Wednesday 06.11. 15:00 - 16:30 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Friday 08.11. 13:15 - 14:45 Hörsaal 8 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 11.11. 16:45 - 18:15 Hörsaal 5 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Wednesday 13.11. 13:15 - 16:30 Digital
  • Friday 15.11. 13:15 - 14:45 Hörsaal 15 Oskar-Morgenstern-Platz 1 2.Stock
  • Monday 18.11. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Wednesday 20.11. 13:15 - 16:30 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Friday 22.11. 13:15 - 14:45 Hörsaal 17 Oskar-Morgenstern-Platz 1 2.Stock
  • Monday 25.11. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Wednesday 27.11. 13:15 - 16:30 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Friday 29.11. 13:15 - 14:45 Hörsaal 8 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 02.12. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Wednesday 04.12. 13:15 - 14:45 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Wednesday 04.12. 15:00 - 16:30 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Friday 06.12. 13:15 - 14:45 Hörsaal 8 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 09.12. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Wednesday 11.12. 13:15 - 16:30 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Friday 13.12. 13:15 - 14:45 Hörsaal 8 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 16.12. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Wednesday 08.01. 13:15 - 14:45 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Wednesday 08.01. 15:00 - 16:30 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Friday 10.01. 13:15 - 14:45 Hörsaal 8 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 13.01. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Wednesday 15.01. 13:15 - 14:45 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Wednesday 15.01. 15:00 - 16:30 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock
  • Friday 17.01. 13:15 - 14:45 Hörsaal 8 Oskar-Morgenstern-Platz 1 1.Stock
  • Monday 20.01. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Wednesday 22.01. 13:15 - 14:45 Hörsaal 6 Oskar-Morgenstern-Platz 1 1.Stock
  • Friday 24.01. 13:15 - 14:45 Hörsaal 8 Oskar-Morgenstern-Platz 1 1.Stock

Information

Aims, contents and method of the course

R ist eine Programmiersprache, die sich hervorragend für statistische Analysen und die Erstellung von Grafiken eignet. Dieser Kurs ist eine ausführliche Einführung in R (www.r-project.org). Wir besprechen unter anderem folgende Themen:
*) Datenstrukturen und deren Einsatz (Vektoren, Matrizen, Listen, Dataframes)
*) Zeichenketten (Strings) bearbeiten
*) Umgang mit kategoriellen Variablen (Faktoren) und fehlenden Werten
*) Wiederholte Anwendung von Funktionen
*) Kontrollstrukturen (Schleifen, Verzweigungen)
*) Eigene Funktionen schreiben
*) Daten einlesen, speichern und aufbereiten
*) Statistische Methoden in R
*) Simulation
*) Grafiken erstellen

Bei den statistischen Methoden beschränken wir uns auf elementare Verfahren (T-Test, Binomialtest, Chi-Quadrat-Test, Lineare Regression). Wir besprechen keine "neuen" statistischen Methoden. Vielmehr forcieren wir das Konzept "Hilfe zur Selbsthilfe" bzw. verweisen auf weiterführende Lehrveranstaltungen und Literatur.

Am Ende des Kurses sollen die Studierenden in der Lage sein
*) R sicher und effizient anzuwenden,
*) leicht lesbare und funktionstüchtige Programme mit R zu entwickeln,
*) statistische Problemstellungen mit R erfolgreich zu bearbeiten und
*) ausgewählte theoretische Konzepte hinter R (und Programmierung allgemein) zu verstehen.

Assessment and permitted materials

In Summe können im Laufe der Lehrveranstaltung bei folgenden Gelegenheiten bis zu 80 Punkte gesammelt werden:
*) Schriftliche Quiz (5 x 5 Punkte, 1 Streichresultat): 20 Punkte
*) Abgabe und Besprechung von Übungsaufgaben (5 Übungsblätter): 20 Punkte
*) Schriftlicher Test: 20 Punkte
*) Projektarbeit und Abschlussgespräch: 20 Punkte

Bei den Quiz und beim Test sind außer Schreibzeug keine Hilfsmittel zugelassen.

Minimum requirements and assessment criteria

Die erzielten Punkte p werden am Ende der Lehrveranstaltung wie folgt in eine Note umgerechnet:
p in [0, 40) : Nicht Genügend (5)
p in [40, 50): Genügend (4)
p in [50, 60): Befriedigend (3)
p in [60, 70): Gut (2)
p >= 70: Sehr gut (1)

Es gibt keine Mindestanforderungen für irgendeine Teilleistung.

Examination topics

Siehe Inhalt oben.

Reading list

Die Lehrveranstaltung basiert auf folgendem Buch:

Daniel Obszelka, Andreas Baierl: Statistisches Programmieren mit R - Eine ausführliche, übersichtliche, spannende und praxiserprobte Einführung. Springer

Prüfungsrelevante Teile des Buches werden auf Moodle zur Verfügung gestellt.

Association in the course directory

Last modified: We 02.10.2024 14:45