Die Einschreibung in diesen Kurs findet automatisch (und ausschließlich dann) statt, wenn Sie sich in den Kurs "Mathematik für Wirtschaftswissenschaftler" einschreiben.   Weitere Informationen und die Studiengangspezifischen Einschreibeschlüssel für diesen Kurs finden Sie hier:

https://www.wi.uni-muenster.de/de/institut/statistik/personen/ingolf-terveer/mawiwi-informationen

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.

In jeder Seminarsitzung haben Sie die Möglichkeit Übungsaufgaben in Anwesenheit der DozentInnen/Tutoren zu bearbeiten.

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 Veranstaltung sind forschungsmethodische und statistische Kenntnisse, wie sie an der WWU im Bachelor der Erziehungswissenschaft 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. Wenngleich grundsätzlich auch die Möglichkeit besteht, nur einen der beiden Kursteile zu besuchen, wird die Teilnahme an beiden Semestern dringend empfohlen. Insgesamt bereitet das Seminar auf die Bearbeitung einer empirischen, erziehungswissenschaftlichen Masterarbeit vor.

Kurs im HIS-LSF

Kurs im HIS-LSF

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.

Wenzelburger, Georg/Reimut Zohlnhöfer (Hrsg.), 2015: Handbuch Policy-Forschung. Wiesbaden: Springer VS.

Die 90-minütige Abschlussklausur wird am 08.07.2020, 14:00 Uhr bis 16:00 Uhr geschrieben.
Die 90-minütige Nachschreibeklausur wird am ................, ................. Uhr geschrieben.

Kurs im HIS-LSF

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 „‘R‘ you ready? Datenanalysen für Sozialwissenschaftler*innen“ erlernen Studierende die Fähigkeiten zur quantitativen Untersuchung von Forschungsfragen. Sozialwissenschaften 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. 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. 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
sozialwissenschaftlichen 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 14tägig statt, die Sitzungen umfassen jeweils eine Dauer von 2 Stunden
(120Minuten). In den Wochen zwischen den Sitzungen sollen die gewonnen Erkenntnisse mit Hilfe von
Übungsaufgaben angewendet und vertieft werden.

Erster Termin: 07.04.2020 16Uhr (s.t.)

Leistungspunkte:

Zum Erwerb der Studienleistung müssen regelmäßige Übungsaufgaben absolviert 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.

Kurs im HIS-LSF

Aufbauend auf der Vorlesung Statistik für Fortgeschrittene I werden wir folgende Verfahren behandeln: Meta-Analysen, Konfirmatorische Faktorenanalyse, Strukturgleichungsmodelle, Propensity-Score Methoden. Die praktische Umsetzung der Verfahren wird in den Seminaren zur Vorlesung mit der Statistik-Software R eingeübt. Darüber hinaus werden regelmäßig Übungsaufgaben verteilt. Die Lösung dieser Übungsaufgaben sowie die Beantwortung von Fragen zur Vorlesung sind Gegenstand wöchentlich stattfindender Tutorien.

Kurs im HIS-LSF

Bei Interesse an diesem Seminar bitten wir mit den Veranstaltern (Email: lemm@uni-muenster.de) Kontakt aufzunehmen.

In dem Seminar sollen Grundlagen, Verfahren und Anwendungen des maschinellen Lernens vorgestellt werden.

Beispielhaft vorgestellt werden können, je nach Interesse und Hintergrund der Teilnehmer, Verfahren der Bayesschen Statistik und Monte-Carlo-Methoden, neuronale Netze und Deep-Learning-Architekturen, Entscheidungsbäume und Random Forests bzw. Gradient-Boosting-Verfahren und entsprechende Anwendungen wie z.B. für die Higgs Boson Machine Learning Challenge oder auch, entsprechend dem Hintergrund der Veranstalter, im Risikomanagement von Banken. Vermittelt werden soll insbesondere ein Verständnis für die Gefahren eines „Overfittings” und die Notwendigkeit vorhandene Daten durch „A-Priori-Informationen” oder „Regularisierungen” zu ergänzen.

In case of interest in this seminar, please contact the coordinators (email: lemm@uni-muenster.de).

The seminar will introduce basics, methods and applications of machine learning.

Depending on the interest and background of the participants, methods of Bayesian statistics and Monte Carlo methods, neural networks and deep learning architectures, decision trees, random forests and gradient boosting as well as corresponding applications such as e.g. for the Higgs Boson Machine Learning Challenge or, in line with the organizers' background, in risk management for banks. In particular, an understanding of the dangers of overfitting and the need to supplement existing data with "a priori information" or "regularisations" should be conveyed.

Kurs im HIS-LSF

Seminarinhalt:

• amtliche, topographische Kartographie: Kartengrundlagen, Kartenprojektionen, Karteninterpretation
• offene (Geo-)Daten: Geoportale, Statistikportale
• Datenrecherche, -erfassung/-erhebung: u.a. kritisches Kartieren
• thematische Kartographie: Analyse thematischer Karten, kartographische/graphische Regeln zur Erzeugung thematischer Karten
• Kritische Kartographie
• QGIS

Ziel des Seminars:

1. Kritische Auseinandersetzung mit kartographischen Produkten
2. Die Teilnehmenden lernen Grundlagenbeschaffung zur eigenständigen Anfertigung thematischer Karten kennen. Dazu werden unterschiedliche offene (Geo-)Datenquellen kritisch bewertet und genutzt. Die Datenerhebungsmethode des Kartierens wird erprobt sowie die kartographische Umsetzung geübt.
   Hinweis: Der Fokus des Seminars liegt nicht auf QGIS. QGIS wird nur als ein Werkzeug zur Umsetzung thematischer Karten genutzt. Basisfunktionen dieses GIS werden erarbeitet. Die Übungsarbeiten sind so konzipiert, dass diese auch von Teilnehmenden ohne GIS-Vorkenntnisse bearbeitet werden können.

Da die Inhalte der Veranstaltung aufeinander aufbauen und in Hausaufgaben und gemeinschaftlichen Übungen eingeübt werden, besteht eine Anwesenheitspflicht von 80 % der Sitzungen.

Kurs im HIS-LSF

Die Vorlesung Statistik I dient dazu, die Studierenden mit den Grundlagen deskriptiver Statistik vertraut zu machen. Dazu zählen uni- und bivariate Verteilungen, Lage-, Streuungs- und Konzentrationsmaße, nominale, ordinale und metrische Zusammenhangsmaße sowie die Einführung in die Logik und Berechnung der bivariaten Regression. Die Vermittlung der Grundlagen geschieht wesentlich über die Heranziehung fiktiver und realer Beispieldaten, mithilfe derer politikwissenschaftlich interessante, empirische Fragestellungen und Problematiken veranschaulicht und diskutiert werden.

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 die Datenerstellung und -analyse mit SPSS eingeführt werden.  

Erforderliche Leistungen

- Regelmäßige Teilnahme

- Bestehen der Abschlussklausur

- Erbringen der zu Beginn der VL definierten Studienleistungen

Literaturempfehlungen

- Diaz-Bone, Rainer: Statistik für Soziologen. Konstanz: UKV ²2013.

- Johnson, Janet / Reynolds, H.T.: Political Science Research Methods. Washington: CQ Press, 2009.

- Behnke, Jochen/Baur, Nina/Behnke, Natalie: Empirische Methoden der Politikwissenschaft. Paderborn: UTB 2006.

- Field, Andy P.: Discovering statistics using IBM SPSS statistics. Los Angeles et al.: Sage 2013.

- Pollock, Philip H.: An SPSS companion to political analysis. Washington: CQ Press 2012.

Die 90-minütige Abschlussklausur wird am 13.07.2020, 10:00 Uhr - 12:00 Uhr geschrieben.
Die 90-minütige Nachschreibeklausur wird am ..............2020, .......... - ............ Uhr geschrieben.

Kurs im HIS-LSF

Inhalt der Vorlesung (4 SWS):

Grundlagen der Wahrscheinlichkeitsrechnung und Statistik, Statistische Beschreibung von Vielteilchensystemen, statistische Ensembles, Verbindung von statistischer Physik und phänomenologischer Thermodynamik, Entropie und Information, thermodynamische Potentiale, klassisches ideales Gas, ideale Quantengase (Fermi- und Bosegas), reale Gase, magnetische Systeme und Phasenübergänge, Statistik und Kinetik von Nichtgleichgewichtssystemen, Transportprozesse.

Übungen (2 SWS):

Selbständige Bearbeitung der wöchentlich gestellten Übungsaufgaben zum Stoff der Vorlesung

Vorbesprechung zu den Übungen in der ersten Vorlesung

Kurs im HIS-LSF

In der Vorlesung Statistik 2 gibt es zwei Themenschwerpunkte, nämlich zum einen die Grundlagen der Wahrscheinlichkeitsrechnung und zum anderen die statistische Inferenz. Die grobe Gliederung sieht wie folgt aus:

(1) Wahrscheinlichkeitsrechnung (Grundbegriffe, Laplace-Experimente, bedingte Wahrscheinlichkeit, Unabhängigkeit

(2) Zufallsvariable (Verteilungsfunktion, Quantilfunktion, diskrete und stetige Zufallsvariablen, lineare Transformationen, Erwartungswert, Varianz)

(3) Spezielle Verteilungen (Binomialverteilung, Poissonverteilung, Normalverteilung, Exponentialverteilung)

(4) Stichproben (gemeinsame Verteilungen, Grenzwertsätze, Stichprobenfunktionen, Statistiken)

(5) Schätzen (Punktschätzung, Intervallschätzung)

(6) Hypothesentests (Grundbegriffe, Tests für Erwartungswerte, Tests für Varianzen und Anteile, Anpassungs- und Unabhängigkeitstests)

Diese Veranstaltung ist die Fortsetzung des im Wintersemester begonnenen Tutoriums für Statistik I und ergänzt die Vorlesung erneut um Lösungen zu den Übungsaufgaben und thematisch passende Erklärungen. Auch in diesem Semester bietet das Tutorium Raum zur Diskussion und Klärung von Fragen, um Studierende bei der Klausurvorbereitung zu unterstützen. Es sollte jedoch beachtet werden, dass die Nachbesprechung der CompDat-Aufgaben dieses Semester nicht im Rahmen dieser Veranstaltung erfolgt.