LMU Statistik I für Studierende der Wirtschaftswissenschaften

In Folge 2 behandelt Dr. Heumann Themen aus dem 2. Kapitel - Häufigkeiten: Demonstration des Programms SAS; Alternativ-Programm "R"; Dateneingabe, Kodierung und Transformation; Programm SPSS; Berechnung von Häufigkeiten; graphische Darstellung von Häufigkeiten; Ordnungsstatistik; empirische Verteilungsfunktion;

Der Podcast "Einführung in die deskriptive Statistik" richtet sich an Studierende der Wirtschaftswissenschaften in den ersten Semestern.

In Folge 1 behandelt Dr. Heumann das 1. Kapitel - Grundlagen:

Organisatorisches; Datenerhebungs-Beispiele: Anzahl der kardialen Notfälle, Historische Straßenkarte von London; Kurzeinführung und Überblick; Einsatzgebiete; Unterscheidung: Amtliche- und Nichtamtliche-Statistik; Was ist Statistik?; Etymologie: Die Bedeutung des Wortes "Statistik"; Grundaufgaben der Statistik; Untersuchungseinheit und Grundgesamtheit; Bestandsmasse und Bewegungsmasse; Merkmal, Merkmalsausprägung und Merkmalsraum; Beispiele: Merkmal bzw. statistische Variable; Skalierung von Merkmalsausprägungen; Datenerhebung; Vorgehensweise: Beobachtung, Befragung; Experiment;

Folge 12 enthält die Besprechung der Probeklausur zur Vorlesung Statistik I. Dr. Heumann erklärt den beispielhaften Inhalt der Probeklausur anhand der Aufgaben 1 bis 6 und erteilt zusätzliche Bearbeitungshinweise.

In Folge 4 wiederholt Dr. Heumann das Thema Varianz des 4. Kapitels der letzten Vorlesung und behandelt Themen aus dem 5. Kapitel. Wdh.: Kapitel 4 - Streuungsmaße: Varianz: Berechnung Varianz aus gruppierten Daten; Standardabweichung; Variationskoeffizient; Kapitel 5 - Konzentrationsmaße: Lorenzkurve; Gini-Koeffizient;

In Folge 3 behandelt Dr. Heumann zunächst Themen des 3. Kapitels - Lagemaße: Modus, Median, Quantile, Mitteilungen, Box-Plot. Aus Kapitel 4 - Streuungsmaße: Spannweite; Quartilsabstand, Varianz.

Folge 6 enthält die Fortführung des 6. Kapitels des letzten Vorlesungsmitschnitts: Maßzahlen, wenn beide Merkmale ordinal sind; Konkordanz und Diskordanz; Rangkorrelationskoeffizient nach Spearman; Korrigierter Rangkorrelationskoeffizient nach Spearman; Korrelationskoeffizient nach Bravais-Pearson;

In Folge 11 gibt Dr. Heumann einen Überblick über die Darstellungsmethoden am Fallbeispiel "Pizza-Service". Die Darstellung erfolgt per IBM SPSS und vereinfacht in WordPad.

In Folge 5 bespricht Dr. Heumann das Thema Zusammenhangsmaße des 6. Kapitels: Zusammenhangsmaße: Motivation; Kontingenztafeln; Gemeinsame Verteilung; Randverteilungen; Bedingte Verteilungen; Pearsons x2-Statistik; Phi-Koeffizient; Kontingenzmaß V von Cramer; Kontingenzkoeffizient C - Alternative zu Cramers V; Odds-Ratio;

In Folge 8 führt Dr. Heumann das Kapitel 7: Lineare Regression der Vorlesung fort. Zu Beginn werden die Themen des ersten Teils aus Folge 7 wiederholt. Teil 2: Fortführung der Kategorialen Regression, Problematik und Lösungsansatz, Dummy- und Effektkodierung, Beispiel, Modellierung, Berechnung, Interpretation der Ergebnisse, Wdh.: Kleinste-Quadrate- Schätzer: Prinzip und Definition, SPSS-Datensatz: Mietspiegel-Datensatz der Stadt München, Streu-Punkt-Diagramm, Output, Lineares Modell, Graphische Darstellung;

In Folge 7 beginnt Dr. Heumann das Kapitel 7 der Vorlesung: Lineare Regression. Einleitung: Motivation und Modellierung; Plots und Annahmen; Kleinste-Quadrate-Schätzer; Eigenschaften der Regressionsgeraden; Güte der Anpassung; Kategoriale Regressoren;