Suchergebnisse: 533
Die Termine werden noch bekannt gegeben und sind nur Reservierungen für die Räume, bitte nicht anmelden.
- Lehrende/r: Laura Höh
- Lehrende/r: Phil Kortenjan
- Lehrende/r: Robin Sachsenröder
- Lehrende/r: Christoph Weischer
Auf 16 Studierende begrenzte Teilnehmerzahl, Anmeldung erforderlich!
In dieser Veranstaltung wird in die Arbeit mit der Statistik-Software SPSS praxisnah eingeführt. Dabei stehen Fragen des Datenmanagements und der deskriptiven Auswertung im Mittelpunkt. Ziel der Veranstaltung ist der Erwerb praktischer Fähigkeiten, so dass die Studierenden in der Lage sind, Daten, wie sie beispielsweise bei Fragebogenstudien anfallen, angemessen deskriptiv zu analysieren. Grundlegende Kenntnisse der deskriptiven Statistik, wie sie in Statistik I vermittelt werden, sind erforderlich. Kenntnisse, wie sie in der Veranstaltung Statistik II sind von Vorteil.
- Lehrende/r: Lars Behrmann
Der erste Teil der auf zwei Semester angelegten Vorlesung befasst sich mit den folgenden Themen:
- Zugänge und grundlegende Begriffe der Statistik
- tabellarische und graphische Darstellung uni- und bivariater Verteilungen
- Lage-, Streuungs- und Konzentrationsmaße - Zusammenhangsmaße
- lineare Einfachregression
Ziel der Veranstaltung ist es, sowohl die theoretischen Hintergründe der Statistik in der empirischen Sozialforschung zu vermitteln als auch anhand konkreter Beispiele die Anwendungsmög-lichkeiten, Interpretationsspielräume und mögliche Fehlinterpretationen aufzuzeigen.
Für eine erfolgreiche Teilnahme ist eine aktive Mitarbeit sowohl in der Lehrveranstaltung als auch den Tutorien dringend empfohlen – auch wenn dies nicht in allen Studienordnungen verpflichtend vorgesehen ist. Die Veranstaltung wird mit einer Klausur abgeschlossen.
Die Termine der Tutorien werden in der ersten Sitzung bekannt gegeben, in der auch die Verteilung auf die Tutorien stattfinden wird. Weitere Informationen finden sich auf der Seminarhomepage im Learnweb.
- Lehrende/r: Christoph Weischer
Die Covid 19-Pandemie hat zu einem großen Schub in der Kommunikation wissenschaftlicher Ergebnisse geführt. In einer Vielzahl von Medienberichten lässt sich seit Beginn der Pandemie von statistisch signifikanten Effekten lesen, von Unterschieden zwischen false positives und false negatives und von der Problematik unterschiedlicher Stichprobengrößen. Meistens weiß jedoch keiner so ganz genau, was damit gemeint ist – und damit bleibt auch die Aussagekraft der Berichterstattung sowie der wissenschaftlichen Erkenntnis dahinter für viele im Dunkeln.
Die Vorlesung Statistik II will da – vermittelt über politikwissenschaftlich relevante und interessante Beispiele – Licht ins Dunkel bringen. In der Vorlesung werden Sie nicht nur über weiterführende statistische Methoden der deduktiven und explorativen Datenanalyse – multivariate OLS-Regression, logistische Regressionsmodelle, Faktoren- und Clusteranalysen – aufgeklärt, sondern bekommen auch Antworten auf die folgenden Fragen (der schließenden Statistik):
Was bedeutet eigentlich ‚statistisch signifikant‘?
Was sind false positives und false negatives, und was hat der α-Fehler damit zu tun?
Warum ist die Größe einer Stichprobe wichtig?
Warum kann ich nicht alle Regressionsergebnisse gleichermaßen interpretieren?
Und warum brauche ich all das, um quantitative Forschung verstehen, hinterfragen und selbst durchführen zu können?
Parallel zur Vorlesung muss ein begleitendes Tutorium besucht werden, in welchem nicht nur die Inhalte der Vorlesung – sofern notwendig – wiederholt, sondern die VL-Teilnehmenden zudem in der Interpretation quantitativer Ergebnisse in der wissenschaftlichen Literatur unterrichtet werden. Da die Konzeption von Vorlesung und Tutorien auf den Inhalten aus Statistik I basiert, empfehle ich als Voraussetzung für den gewinnbringenden Besuch der Statistik II-Vorlesung dringend den erfolgreichen Abschluss von Statistik I.
- Lehrende/r: Bernd Schlipphak
Structure: 1. Introduction 2. Mathematical Preliminaries 3. Variables and Data 4. Univariate Data 5. Indices 6. Multivariate Data 7. Concentration and Disparity Measures
- Lehrende/r: Fabian Apostel
- Lehrende/r: Bernd Wilfling
Die Veranstaltung gliedert sich in drei thematische Blöcke. Im ersten Teil werden Methoden zur Beschreibung psychologischer Daten mittels geeigneter deskriptiver Statistiken vorgestellt. Im zweiten Teil werden Grundlagen aus der Wahrscheinlichkeitsrechnung vermittelt. Im dritten Teil werden daraus die Grundprinzipien statistischer Hypothesentests abgeleitet und es wird eine Reihe von spezifischen Verfahren zur Prüfung von Hypothesen über Regelhaftigkeiten in Daten vorgestellt. Am Ende jeder Vorlesung werden Übungsaufgaben zur Verfügung gestellt, deren Lösungen im vorlesungsbegleitenden Tutorium besprochen werden.
- Lehrende/r: Theresa Eckes
- Lehrende/r: Sarah Humberg
- Lehrende/r: Sarah Humberg
- Lehrende/r: Steffen Nestler
- Lehrende/r: Jana Pförtner
- Lehrende/r: Marie Salditt
- Lehrende/r: Florian Scharf
Diese Veranstaltung führt in die wichtigsten Begriffe und Themen der Testtheorie und Testkonstruktion ein. Dabei werden neben den Methoden der Itemanalysen (deskriptive Statistiken, Trennschärfen, explorative Faktorenanalysen), die Klassische Testtheorie und Item-Response-Modelle (Probabilistische Testtheorie) behandelt.
In der Vorlesung werden einige mathematische Grundlagenkenntnisse genutzt, die in den Vorlesungen Statistik I und II vermittelt wurden (z.B. Berechnung und Interpretation von Mittelwerten, Varianzen, Korrelationen, Konfidenzintervallen). Nebenfachstudierende, die diese Vorlesungen nicht besucht haben, müssen die benötigten Inhalte selbstständig aufarbeiten
- Lehrende/r: Katharina Geukes
- Lehrende/r: Sarah Humberg
- Lehrende/r: Lars Behrmann
- Lehrende/r: Stefanie van Ophuysen
- Lehrende/r: Steffen Nestler
- Lehrende/r: Anna Nikolei
- Lehrende/r: Florian Scharf
- Lehrende/r: Katja Judith Nickel
- Lehrende/r: Marie Antonia Osterbrink
- Lehrende/r: Stefanie van Ophuysen
Soziologische Fragestellungen lassen sich nur selten monokausal erklären, so dass es unverzichtbar ist, zumindest die Grundlagen multivariater Analyseverfahren zu beherrschen. Dafür werden in dem Kurs zu-nächst kurz die theoretischen und mathematischen Hintergründe der Verfahren erklärt, um dann anhand von SPSS und aktuellen Beispielen aus Fachaufsätzen die Verfahren anzuwenden, zu interpretieren und zu hinterfragen. Abhängig von dem Vorwissen der Kursteilnehmer/innen werden daher exemplarisch multivariate Verfahren (z.B. Regressions-, Cluster- oder Faktorenanalyse) detailliert behandelt. Grundkenntnisse in SPSS oder ei-nem vergleichbaren Statistikprogramm sind für den Kurs hilfreich, aber keine Voraussetzung. Der Kurs wird mit einer Klausur abgeschlossen.
- Lehrende/r: Marko Heyse
Eine Anmeldung in HISLSF dient der Organisation der Vorlesung und sollte nach Möglichkeit vorgenommen werden. Die Teilnahme an der Veranstaltung sowie die Verbuchung Ihrer Leistungen in QISPOS ist jedoch auch ohne vorherige Anmeldung via HISLSF möglich.
Diese Veranstaltung ist ein Element des Moduls Forschungsmethoden und wird für BA EW als Vorlesung in Kombination mit der Statistik I Vorlesung durchgeführt.
Ziel des methodischen Teils ist die Fähigkeit zum Lesen empirischer Untersuchungen. Als Inhalte werden behandelt: Wissenschaftstheorie, Forschungslogik, Begriffe und Theoriebildung, Hypothesen, Operationalisierung, Forschungsdesigns, quantitative und qualitative Methoden der Datengewinnung.
- Lehrende/r: Lars Behrmann
Eine Anmeldung in HISLSF dient der Organisation der Vorlesung und sollte nach Möglichkeit vorgenommen werden. Die Teilnahme an der Veranstaltung sowie die Verbuchung Ihrer Leistungen in QISPOS ist jedoch auch ohne vorherige Anmeldung via HISLSF möglich.
Diese Veranstaltung ist ein Element des Moduls Forschungsmethoden und wird als Vorlesung mit (freiwillig zu besuchendem) Tutorium durchgeführt. Gegenstand sind die Grundlagen der Wahrscheinlichkeitsrechnung und inferenzstatistische Schätz- und Testverfahren. Aufbauend auf eine Einführung in die Wahrscheinlichkeitsrechnung (Wahrscheinlichkeitsbegriff, diskrete und stetige Zufallsvariablen und ihre Verteilungen) werden die Ideen der statistischen Schätztheorie und der Testtheorie vorgestellt. Das (theoretische) Verständnis der Verfahren und die Interpretation der Ergebnisse stehen im Mittelpunkt der Veranstaltung.
- Lehrende/r: Lars Behrmann
- Lehrende/r: Stefanie van Ophuysen
Eine Anmeldung in HISLSF dient der Organisation der Vorlesung und sollte nach Möglichkeit vorgenommen werden. Die Teilnahme an der Veranstaltung sowie die Verbuchung Ihrer Leistungen in QISPOS ist jedoch auch ohne vorherige Anmeldung via HISLSF möglich.
Diese Veranstaltung ist ein Element des Moduls Forschungsmethoden und wird als Vorlesung mit (freiwillig zu besuchendem) Tutorium durchgeführt. Ziel ist die Fähigkeit zur Beschreibung von Daten durch deskriptive statistische Kennwerte (Häufigkeitsverteilungen, Lage- und Streuungsmaße) und Analyseverfahren (Kontingenz- und Korrelationsanalyse, einfache Regressionsanalyse). Das (theoretische) Verständnis der Verfahren und die Interpretation der Ergebnisse stehen neben der praktischen, problemorientierten Datenanalyse im Mittelpunkt.
- Lehrende/r: Katja Judith Nickel
- Lehrende/r: Stefanie van Ophuysen
Ob es die ansprechende und ausdrucksstarke Präsentation von Zahlen ist, die Prognose von Entwicklung auf Basis erhobener Daten oder die Ermittlung des Marketingerfolges – nicht nur, aber gerade auch im Umfeld von Start-Ups sind grundlegende Kenntnisse ökonometrischer und statistischer Verfahren eine wesentliche Voraussetzung für eine erfolgreiche unternehmerische Tätigkeit.
In der Veranstaltung werden auf leicht zugängliche Art und Weise die notwendigen Grundlagen vermittelt, um Daten einerseits zielorientiert visualisieren zu können und andererseits notwendige Methoden und Verfahren problemorientiert einsetzen zu können, um so Zusammenhänge zu erkennen und auszudrücken. Dabei liegt der Schwerpunkt nicht in der Mathematik, sondern in der praktischen Anwendbarkeit und Interpretation der Ergebnisse der eingesetzten Methoden.
- Lehrende/r: Marc Stallony
- Lehrende/r: Sascha Buchholz
- Lehrende/r: Gerold Alsmeyer
- Lehrende/r: Konstantin Julian Recke
- Lehrende/r: Frederike Velbert
- Lehrende/r: Lars Jahnke
- Lehrende/r: Jens Leker
Aufbauend auf der Veranstaltung „Computergestützte Datenanalyse I“ lernen Sie in dieser Veranstaltung, wie sich die in der Vorlesung „Statistik II“ vermittelten Verfahren mithilfe der Statistiksoftware R auf reale Datensätze anwenden lassen.
Am Ende jeder Seminarsitzung werden Übungsaufgaben zur Verfügung gestellt, deren Lösungen im begleitenden Tutorium besprochen werden.
- Lehrende/r: Theresa Eckes
- Lehrende/r: Steffen Thomas Filz
- Lehrende/r: Sarah Humberg
- Lehrende/r: Steffen Nestler
- Lehrende/r: Jana Pförtner
- Lehrende/r: Marie Salditt
- Lehrende/r: Florian Scharf
Der Kurs hat das Ziel zu lernen, wie quantitative empirische Studien ausgewertet und deren Ergebnisse in einem Projektbericht dargestellt werden. Darüber hinaus soll auch die Fähigkeit vermittelt werden, publizierte empirische Studien kritisch lesen und verstehen zu können. Dazu wird zunächst vorgestellt, wie standardisierte Erhebungen in Datensätze überführt werden. Dann geht es um die Darstellung kategorialer einzelner Variablen in Prozentwerten, Häufigkeitstabellen sowie metrischer Variablen in Mittelwerten und anderen Verteilungsmaßen. Es folgen Überlegungen zur Schätz- und Testtheorie. Am Ende wird es darum gehen, Vergleiche zwischen Teilgruppen und einfache Zusammenhänge zu analysieren. Zusätzlich wird gezeigt, wie die jeweiligen Resultate visualisiert und in einem Projektbericht aufbereitet werden.
In der Vorlesung wird die (mathematische) Grundlogik anhand einfacher Beispiele vorgeführt und ‚per Hand‘ ausgerechnet. Zusätzlich wird erklärt, wie die Angaben über R-Studio errechnet und mittels Markdown in einem Projektbericht dargestellt werden. Das Tutorium ergänzt diese Grundlagen durch das Üben von Rechnen mit Papier und Taschenrechner sowie dem Statistikprogramm R-Studio samt Markdown. Dazu stellen Tutor*innen praktische Aufgaben, die entweder per Hand gerechnet oder am PC oder eigenem Laptop gelöst werden. Das Tutorium dient nicht als Wiederholung des Vorlesungsstoffs, sondern ist ein eigenständiger Kurs, um selbst einfache Rechnungen sowie dem Umgang Statistikprogramm R-Studio zu üben. Alle Aufgaben werden abschließend in einem Projektbericht dokumentiert.
Studienleistung: Erstellung eines individuellen Projektberichts
Prüfungsleistung: Abschlussklausur in der Vorlesung
Zielgruppe des Kurses sind Studierende im zweiten BA-Semester; interessierte ExamenskandidatInnen können an der Vorlesung als GasthörerInnen teilnehmen.
- Lehrende/r: Volker Gehrau
- Lehrende/r: Thomas Godland
- Lehrende/r: Timo Kröger
Auf 16 Studierende begrenzte Teilnehmerzahl, Anmeldung erforderlich.
Die Veranstaltung bietet eine theoretisch fundierte aber dennoch praxisnahe Einführung in die Konstruktionsprinzipien psychometrischer Instrumente. Die Studierenden lernen die Grundlagen der klassischen Testtheorie kennen. Auf diesen Erkenntnissen aufbauend werden wir gemeinsam ein psychometrisches Instrument konstruieren. Mit diesem werden die Studierenden eigene Daten erheben, mit denen das Instrument anschließend auf seine wissenschaftliche Güte hin überprüft wird.
Voraussetzung für den erfolgreichen Besuch der Veran-staltung sind forschungsmethodische und statistische Kenntnisse, wie sie an der WWU im Bachelor der Erzie-hungswissenschaft vermittelt werden (VLn Forschungsmethoden, Statistik I und II). Das Seminar ist als erster Teil einer zweiteiligen Veranstaltung zur Vorbereitung auf eine quantitativ-empirische Masterarbeit konzipiert. Teil zwei findet im kommenden Semester statt und wird verschiedene Auswertungsstrategien für die erhobenen Daten sowie die Verschriftlichung einer empirischen Arbeit thematisieren. Insgesamt bereitet das Seminar auf die Bearbeitung einer empirischen, erziehungswissenschaftlichen Masterarbeit vor.
- Lehrende/r: Lars Behrmann
Viele gute Forschungsideen aber nicht das richtige Handwerkszeug zum Beantworten? Lust empirisch zu arbeiten aber keine Ahnung wie? Genug mit abstrakten Konzepten von Statistik – ich will anwenden!
In dem Kurs „Einführung in R – Programmieren in der Politikwissenschaft“ erlernen Studierende die Fähigkeiten zur quantitativen Untersuchung von Forschungsfragen. Politikwissenschaften ermöglichen die Analyse vielfältiger Daten: Umfragedaten, amtliche Statistiken, Textdaten sowie Big Data. Mit Hilfe der Software R erhalten die Studierenden einen Einblick in die Generierung, Aufbereitung sowie Analyse verschiedener Datenstrukturen und üben die eigene Anwendung und das Programmieren. Ziel ist es, dass die Studierenden am Ende des Semesters in der Lage sind mit bestehenden Daten zu arbeiten: Datensätze aufzubereiten, Datensätze zu erkunden, Datensätze zu analysieren und statistische Ergebnisse optisch anspruchsvoll aufzubereiten und zu publizieren. Das Seminar hat bewusst keinen thematisch-inhaltlichen Schwerpunkt, da hier genug Raum und Zeit zum Erlernen und Anwenden von R geschaffen werden soll. Dennoch bleiben das Seminar und die Übungsaufgaben nicht abstrakt, sondern beschäftigen sich mit konkreten politikwissenschaftlichen Problemstellungen. Anhand bereits behandelter Inhalte im Studium sowie publizierter Artikel werden die Programmierfähigkeiten erlernt und angewandt.
Voraussetzung:
Der Kurs richtet sich ausdrücklich an alle interessierten Studierende. Vorkenntnisse in R sind nicht erforderlich. Gewisse Grundkenntnisse (Statistik I & II) sind von Vorteil aber nicht zwingend notwendig. Ein hohes Maß an Interesse und Bereitschaft sich mit skriptbasierter Software auseinander zu setzen ist allerdings unabdinglich.
Das Seminar findet komplett online statt. Synchrone Veranstaltungen (über Zoom) wechseln sich mit asynchronen Selbstlernphasen ab.
Erster Termin: 13.04.2021 16Uhr (s.t.)
Leistungspunkte:
Zum Erwerb der Studienleistung muss eine politikwissenschaftliche Analyse programmiert werden. Die Prüfungsleistung besteht aus einer Hausarbeit, welche entweder als Replikation (Überprüfung) einer wissenschaftlichen Studie oder aber als Erweiterung einer bereits konzeptualisierten Hausarbeit geschrieben werden kann.
- Lehrende/r: Phillip Hocks
- Lehrende/r: Christian Knoth
- Lehrende/r: Edzer Pebesma
Inhalt
Diese Veranstaltung zielt darauf ab, die im Rahmen der Statistik-Grundausbildung kennengelernten Verfahren der quantitativen Datenanalyse am Beispiel ausgewählter politikwissenschaftlicher Fragestellungen und frei verfügbarer Daten in der Praxis anzuwenden. Die Veranstaltung setzt Kenntnisse der deskriptiven und der Inferenzstatistik voraus.
Inhaltlich dreht sich die Veranstaltung um die Analyse von verschiedenen Formen der Staatstätigkeit. In der vergleichenden Policy-Forschung beschäftigt sich ein wichtiger Forschungszweig mit der ländervergleichenden Analyse von politischen Programmen. In der Vorlesung werden zunächst verschiedene Ansätze zur ländervergleichenden Messung von Staatstätigkeit kritisch diskutiert (Staatsausgaben, Zahl von Gesetzen, inhaltliche Experteneinschätzungen über Gesetzgebung, Outcome-Variablen). Dann wenden wir uns unterschiedlichen statistischen Herangehensweisen zur Untersuchung dieser Daten zu. Dabei geht es einerseits um strukturentdeckende Verfahren wie insbesondere die Cluster-Analyse. Andererseits diskutieren wir die Besonderheiten der gepoolten Zeitreihenanalyse als Methode der zur Erklärung von Staatstätigkeit. Schließlich diskutieren wir unterschiedliche theoretische Ansätze der vergleichenden Staatstätigkeitsforschung, etwa die Literatur zu den drei Welten des Wohlfahrtskapitalismus oder zu den Spielarten des Kapitalismus, die Parteiendifferenzthese, die Machtressourcentheorie, den Vetospieleransatz oder die Diskussion über den Einfluss von Globalisierung auf die Handlungsfähigkeit des Nationalstaates.
Leistungsnachweis
Die Vorlesung wird begleitet von Tutorien, in denen die in der Vorlesung vorgestellten Aspekte in Form von praktischen Übungen vertieft werden. Die regelmäßige aktive Teilnahme an den Vorlesungssitzungen und den Tutorien wird dringend empfohlen. Voraussetzung für den Erwerb eines Leistungsnachweises ist die erfolgreiche Absolvierung einer 90-minütigen Abschlussklausur am Ende des Semesters.
Einführende Literatur
Diaz-Bone, Rainer, 2006: Statistik für Soziologen. Stuttgart: Universitätsverlag Konstanz/UTB.
Wenzelburger, Georg/Sebastian Jäckle/Pascal König, 2014: Weiterführende statistische Methoden für Politikwissenschaftler. München: DeGruyter Oldenbourg.
Die Klausur findet am 14.07.2021, 14-16 Uhr, statt.
- Lehrende/r: Oliver Treib
Das Münster-Barometer kann entweder als Seminar (diese Veranstaltung) oder als Praktikum bei Nina Wild belegt werden. Als Seminar steht beim Münster-Barometer der Praxisbezug im Fokus, indem die bisher im Studium erlangten theoretischen Kenntnisse der empirischen Sozialforschung in einem konkreten sozialwissenschaftlichen Projekt angewandt und hinterfragt werden. Die Teilnehmer/innen sind dabei aktiv bei der Durchführung eines konkreten Drittmittelprojekts eingebunden, das mittels einer Bevölkerungsbefragung die Meinung in Münster zu aktuellen gesellschaftlichen und politischen Themen wie Wohnungsnot, Flüchtlingspolitik oder gesellschaftliches Engagement erhebt, sich aber auch mit wissenschaftlichen Fragestellungen wie z.B. Sozialraummodelle oder Non-Response auseinandersetzt. Im Laufe des Seminars werden verschiedene Techniken der empirischen Sozialforschung in der Praxis eingesetzt: Fragebogenentwicklung, Programmierung einer Dateneingabemaske bzw. eines Online-Fragebogens, Durchführung von Interviews, Datenerfassung, Auswertung mit SPSS und die Aufbereitung der Ergebnisse mittels Grafikprogramme. Vorkenntnisse (vor allem im statistischen Bereich) sind nicht unbedingt erforderlich, es ist aber sinnvoll, zuvor die grundlegenden Statistik- und Methodenkurse besucht zu haben. Das Münster-Barometer ist als Blockseminar konzipiert und findet wochentags im Zeitraum zwischen dem 23. August und dem 17. September 2021 statt. Da im Rahmen der Befragung für die Bundestagswahl eine Prognose erstellt werden soll, kann sich der Termin noch leicht verschieben – in dieser Planung wird von einem Wahltermin am 26. September 2021 ausgegangen. Weitere Informationen und ein detaillierter Verlaufsplan finden sich unter http://barometer.uni-muenster.de. Anmeldung nur direkt bei Marko Heyse – in der Sprechstunde oder per Email: barometer@uni-muenster.de
- Lehrende/r: Luigi Droste
- Lehrende/r: Marko Heyse
- Lehrende/r: Christina Wild
Pflichtveranstaltung im 2. Studienabschnitt (7. Sem.) Schwerpunkte: Pharmakokinetik, Testung von Arzneistoffen, Statistik
- Lehrende/r: Frank Begrow
- Lehrende/r: Martina Düfer
Auf 16 Studierende begrenzte Teilnehmerzahl, Anmeldung erforderlich!
In dieser Veranstaltung wird in die Arbeit mit der Statistik-Software SPSS praxisnah eingeführt. Dabei stehen Fragen des Datenmanagements und der deskriptiven Auswertung im Mittelpunkt. Ziel der Veranstaltung ist der Erwerb praktischer Fähigkeiten, so dass die Studierenden in der Lage sind, Daten, wie sie beispielsweise bei Fragebogenstudien anfallen, angemessen deskriptiv zu analysieren. Grundlegende Kenntnisse der deskriptiven Statistik, wie sie in Statistik I vermittelt werden, sind erforderlich. Kenntnisse, wie sie in der Veranstaltung Statistik II sind von Vorteil.
Da es sich um einen Onlinekurs (Zoom) handelt, können die Termine bei Bedarf mit den Studierenden noch verhandelt werden
- Lehrende/r: Lars Behrmann
Besprechung der praktischen Umsetzung der in der Vorlesung Statistik für Fortgeschrittene II besprochenen Verfahren.
- Lehrende/r: Sarah Humberg
- Lehrende/r: Katrin Jansen
- Lehrende/r: Steffen Nestler
- Lehrende/r: Richard Rau
- Lehrende/r: Marie Salditt