Suchergebnisse: 533
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: Lena Neuenkamp
- Lehrende/r: Lars Jahnke
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: Sarah Humberg
- Lehrende/r: Katrin Jansen
- Lehrende/r: Steffen Nestler
- Lehrende/r: Jana Pförtner
Ziel der Veranstaltung und Vorkenntnisse
Das Ziel dieser Schlüsselqualifikation ist es, Studierenden frühzeitig die wesentlichen Kompetenzen im Umgang und der Arbeit mit Daten („Data Literacy“) zu vermitteln. Insbesondere erlernen die Studierenden dabei strukturiert über die Arbeit mit Daten nachzudenken, Daten zu modellieren und zu interpretieren sowie die entsprechenden praktischen Tools und Technologien entlang des Data Science-Prozesses einzusetzen. Die Inhalte des Kurses bereiten Studierende auf eine potenzielle empirische Abschlussarbeit in der Wissenschaft sowie die Realität der Arbeit mit Daten in der Praxis vor. Theoretische Vortragseinheiten wechseln sich dabei mit anwendungsbezogenen Einheiten zur Vertiefung des Gelernten ab. Studierende sammeln (erste) Erfahrungen im Umgang mit Excel, Python oder Tableau. Es wird erwartet, dass die Studierenden ein intrinsisches Interesse an den behandelten Themen mitbringen und sich aktiv einbringen. Die individuelle Lernkurve hängt dabei von den Vorkenntnissen der Studierenden ab und kann eine konsequente Nachbereitung der Inhalte zwischen der Veranstaltungsterminen erfordern. Generell sollten Teilnehmer:innen folgende Vorkenntnisse mitbringen:
- Erfolgreicher Abschluss der Module „Statistik 1“ und „Statistik 2“, „Mathematik für Wirtschaftswissenschaftlicher“ und „Technikern der IT“.
- Vorkenntnisse im Umgang mit Python oder einer anderen Programmiersprache zur Datenanalyse sind nicht erforderlich. Gleiches gilt für Tableau.
Anmeldung
Die Teilnehmerzahl ist beschränkt. Eine Bewerbung erfolgt über die Bewerbungsmaske der IVV Wirtschaftswissenschaften (bis zum 10. April 2022). Die Teilnahme an der Veranstaltung wird spätestens eine Woche vor Veranstaltungsbeginn bestätigt. Aktuelle Veranstaltungsinformationen finden sich zudem auf der Website des Forschungsteam Berens.
Inhalte
- Einführung „Data Literacy“
- Simulationsrechnung
- Datenvisualisierung
- Datenmanipulation & Datenanalyse mit Python
- Verarbeitung von Textdaten
- Korrelation & Kausalität
- Datenbeschaffung mittels API
- Lehrende/r: Walter Schmitting
- Lehrende/r: Simon Schölzel
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. Es wäre sinnvoll - aber nicht zwingend nötig - im Tutorium einen eigenen Laptop zu benutzen.
Studienleistung:
Individuelle Bearbeitung von Übungsaufgaben im Tutorium
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: Christian Knoth
Dieser Kurs gibt Ihnen einen Einblick in die Numerische Mathematik mit Hilfe der Programmiersprache Python.
Der Kurs vermittelt einerseits Grundkenntnisse der Programmierung, und ermöglicht andererseits einen kurzen Einblick in die Numerische Mathematik, wie sie in der Vorlesung Analysis und Numerik von Differentialgleichungen vertieft wird. Die Inhalte dieser Vorlesung und dieses Kurses sind aufeinander abgestimmt. Typische Inhalte sind:
- Kontrollstrukturen: Schleifen, Funktionen, Bedingungen
- Arbeiten mit Matrizen: numpy
- Zeichnen von Graphen: matplotlib
- Wissenschaftliches Rechnen: scipy
- Symbolisches Rechnen: sympy
Die mathematischen Themen kommen fast alle aus dem ersten Semester (Analysis I und Lineare Algebra I). Idealerweise besuchen Sie diese Veranstaltung daher im zweiten Semester (als Vorbereitung auf die Vorlesung Analysis und Numerik) oder im dritten Semester (parallel zur Vorlesung Analysis und Numerik).
Wir stellen Ihnen ein Python-Grundgerüst zur Verfügung unter https://i5jupyter.uni-muenster.de:8443/, das Sie benutzen können (aber natürlich nicht müssen), so dass Sie keine zusätzliche Software installieren müssen, sondern direkt dort arbeiten können. Falls Sie dies benutzen wollen, stellen Sie vor Beginn des Kurses sicher, dass Sie sich dort einloggen können, das sollte für alle Studierende des Fachbereichs möglich sein.
Falls Sie statt dieser Veranstaltung den Blockkurs Statistik mit R besuchen, beachten Sie bitte: in der Vorlesung Analysis und Numerik von Differentialgleichungen werden grundlegende Programmierkenntnisse vorausgesetzt. Sie erhalten diese auch im R-Kurs, aber es macht trotzdem Sinn, sich dann im Selbststudium die einführenden Kapitel I und II des Buchs von Langtangen (siehe Literatur) anzuschauen.
- Lehrende/r: Nils-Arne Dreier
- Lehrende/r: Lukas Renelt
- Lehrende/r: Frank Wübbeling
- Lehrende/r: Bastian Müller
- Lehrende/r: Konstantin Julian Recke
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: Agnes Vera Rohr
- Lehrende/r: Sina Schürer
- Lehrende/r: Christian Knoth
- Lehrende/r: Edzer Pebesma
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:
- Kritische Auseinandersetzung mit kartographischen Produkten
- 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.
- Lehrende/r: Claudia Schroer
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:
- Kritische Auseinandersetzung mit kartographischen Produkten
- 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.
- Lehrende/r: Claudia Schroer
Auf 35 Studierende begrenzte Teilnehmerzahl, Anmeldung erforderlich!
Die Teilnahme an der ersten konstituierenden wird erwartet! Ein Nachrücken in die Veranstaltung ist ausschließlich über einen Platz auf der Warteliste oder über Härtefallregelung. Diese Veranstaltung kann nicht außercurricular belegt werden.
Youtube-Videos und -Tutorials werden nicht nur zur Unterhaltung oder der Hilfesuche bei diversen Alltagstätigkeiten genutzt, sondern sind ebenfalls beliebt für spezifische Wissensvermittlung, z.B. in der hochschulischen Bildung. Statistik-Tutorials für Studierende oder Videoanleitungen zur Unterrichtsplanung im Praktikum und Referendariat erreichen hohe fünfstellige Klickzahlen.
Die wissenschaftliche Qualität solcher Videos ist jedoch nicht immer gegeben und sie halten der Überprüfung aus wissenschaftlicher Perspektive nicht immer stand.
In dem Seminar sollen Youtube-Videos und -Tutorials aus dem Bildungsbereich überprüft und eigene „Faktenchecker“-Videos zu (vermeintlichem) Wissen Bildungsmythen und tatsächlichen Bildungsfakten produziert werden.
- Lehrende/r: Kris-Stephen Besa
Zuordnung:
Pflichtveranstaltung im ersten Studienabschnitt
Inhalt:
Einführung in die Statistik und die Analysis
Leistungsüberprüfung: Klausur
Sonstiges:
Seminar, bestehend aus Vorlesungs- und Übungsteilen
- Lehrende/r: Paul Wenk
Mathematikkenntnisse in Linearer Algebra und Analysis sind fundamental in allen quantitativen Fachgebieten der Wirtschaftswissenschaften, z.B. in Wirtschaftsstatistik, Operations Management und Finance. Kenntnisse aus anderen Modulen sind nicht erforderlich, allenfalls eine grundlegende Kenntnis der Schulmathematik, insbesondere der Differential- und Integralrechnung einer Variablen. Diese wird im Überbrückungskurs noch einmal aufgefrischt. Im Tutorium werden im Rahmen von Kleingruppen, die von erfahrenen Studierenden geführt werden, die Vorlesungsinhalte anhand von Übungsaufgaben gerechnet. Die folgenden Themen sind Gegenstand von Überbrückungskurs und Vorlesung:
- Funktionen, Differential- und Integralrechnung in einer Variable (Ü-Kurs)
- Lineare Gleichungssysteme
- Lineare Optimierung
- Vektoren
- Matrizen
- Folgen und Reihen mit finanzmathematischen Anwendungen
- Differentialrechnung und Integralrechnung in mehreren Variablen
- Nichtlineare Optimierung, Lagrange-Methode
Prüfungsleistung (gemäß Prüfungsordnung):
- Elektronische Klausur ("LPLUS-Mathematik", 90 Minuten). Informationen zu dieser Klausur (Altklausur, FAQ) werden im Learnweb-Kurs zur Veranstaltung angeboten.
- Für Studierende der Wirtschaftsinformatik (ab PO2018) ist zudem die Studienleistung "Hausaufgaben" zu erbringen, dies ist nur im Wintersemester möglich.
Contents: Repetition of the contents of the winter term lecture "mathematics for economists" The lecture addresses students who where not successful during winter term examination. We cover the tasks of the winter term exam. The lecture will take place from April 10th till May 22nd 2007. During Pentecost holidays, summer term exam will take place.
- Lehrende/r: Ingolf Terveer
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 einem Tutorium, in dem die in der Vorlesung vorgestellten Aspekte in Form von praktischen Übungen vertieft werden. Die regelmäßige aktive Teilnahme an den Vorlesungssitzungen und am Tutorium 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, 2018: Statistik für Soziologen. 3. Auflage, Stuttgart: Universitätsverlag Konstanz/UTB.
Wenzelburger, Georg/Sebastian Jäckle/Pascal König, 2014: Weiterführende statistische Methoden für Politikwissenschaftler. München: DeGruyter Oldenbourg.
Die Abschlussklausur findet am 13.07.2022, 14-16 Uhr, statt.
Die Nachschreibeklausur findet am N.N., 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 ein-gesetzt: 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 un-bedingt 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 15. August und dem 11. September 2022 statt. 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; eine Anmeldungen in Qispos genügt nicht aus.
- Lehrende/r: Marko Heyse
- Lehrende/r: Christina Wild
Beziehungen sind gleichzeitig Grundlage und Ergebnis interpersonaler, organisationaler und gesellschaftlicher Kommunikation. Aus dem Zusammenspiel von sozialen, semantischen und raumzeitlichen Beziehungen entstehen Netzwerke, die nicht direkt sichtbar sind, und für die Forschung erst sichtbar gemacht werden müssen. Im Seminar beschäftigen wir uns mit der Erhebung und Analyse von Netzwerkdaten – von Freundschaftsnetzwerken über Social-Media-Analysen bis zu semantischen Netzwerkanalysen. Neben grundlegenden theoretischen und methodischen Konzepten steht ganz praktisch die Analyse und Visualisierung von Netzwerken unter anderem mit der Statistiksoftware R im Zentrum des Seminars. Voraussetzung zur Teilnahme sind die Freude an methodischen Fragen und die Bereitschaft, sich intensiv mit Computational Methods zu beschäftigen.
Prüfungsleistung:
Abstracts oder Hausarbeit
- Lehrende/r: Jakob Jünger
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. Je nach Raumsituation ist ein eigener Laptop mit Zugang zum Uni-Netz notwendig.
- Lehrende/r: Lars Behrmann
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.
- Lehrende/r: Sarah Humberg
- Lehrende/r: Katrin Jansen
- Lehrende/r: Steffen Nestler
- Lehrende/r: Richard Rau
- Lehrende/r: Marie Salditt
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: Jana Pförtner
- Lehrende/r: Richard Rau
- Lehrende/r: Marie Salditt
Aufbauend auf den Lehrinhalten der Veranstaltung „Statistik I” werden im ersten und zweiten Teil der Vorlesung häufig verwendete regressions- und varianzanalytische Methoden zur Prüfung von Hypothesen aus einer Reihe gängiger Untersuchungsdesigns vorgestellt. Am Ende jeder Vorlesung werden Übungsaufgaben zur Verfügung gestellt, deren Lösungen im begleitenden Tutorium besprochen werden.
- Lehrende/r: Theresa Eckes
- Lehrende/r: Boris Forthmann
- Lehrende/r: Sarah Humberg
- Lehrende/r: Katrin Jansen
- Lehrende/r: Steffen Nestler
- Lehrende/r: Jana Pförtner
- Lehrende/r: Richard Rau
- Lehrende/r: Marie Salditt
Bei Interesse an diesem Seminar bitten wir mit den Veranstaltern (Email: lemm@uni-muenster.de) bis zu Beginn des Semesters Kontakt aufzunehmen, da eventuell die Vorbesprechung und Vorträge als Zoom-Konferenz stattfinden.
In dem Seminar werden Grundlagen, Verfahren und Anwendungen des maschinellen Lernens vorgestellt. Vermittelt werden soll insbesondere ein Verständnis für "induktives Lernen", für die Gefahren eines sogenannten „Overfittings” und die Notwendigkeit vorhandene empirische Daten durch „A-Priori-Informationen” oder „Regularisierungen” zu ergänzen. Das Seminar richtet sich insbesondere an Studierende des Faches Physik, ist aber auch für Studierende anderer Fachrichtungen offen.
In Vorträgen behandelt werden können, je nach Interesse und Hintergrund der Teilnehmer, beispielsweise neuronale Netze und Deep-Learning-Architekturen, Entscheidungsbäume und Random Forests bzw. Gradient-Boosting-Verfahren, Methoden der Bayesschen Statistik und Monte-Carlo-Verfahren, gegebenenfalls auch mit entsprechenden Anwendungen in den Programmiersprachen R oder Python, z.B. für die Higgs Boson Machine Learning Challenge oder aus der Bilderkennung.
- Lehrende/r: Jörg Lemm
- Lehrende/r: Christian Wieczerkowski
ACHTUNG - Im Rahmen eines didaktischen Modellversuchs wird die VL Statistik I im SoSe 2022 als flipped classroom-Veranstaltung durchgeführt. Das bedeutet, dass Studierende die aufgezeichnete Vorlesungssitzung zuhause anschauen und dann für das Tutorium - geleitet von Prof. Schlipphak - in Präsenz an der Uni sind. Für die Termine bedeutet das, dass das Großtutorium mit allen Studierenden in Präsenz am Mo 14-16 Uhr (eigentlich: Termin VL) durchgeführt wird. Der bisherige Termin für das Tutorium (Do 14-16) stellt nur den Zeitraum dar, ab dem die aufgezeichnete VL auf Learnweb online gestellt wird. Studierende können also an dem Termin Do 14-16 Uhr anderweitig Veranstaltungen besuchen.
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 das begleitende Tutorium besucht werden, in welchem nicht nur die Inhalte der Vorlesung – sofern notwendig – wiederholt, sondern die VL-Teilnehmenden zudem in die Datenanalyse von Hand und grundsätzlich mithilfe von SPSS eingeführt werden. Die Aufteilung zwischen VL und Tutorium folgt dabei dem flipped classroom-Modell: Studierende schauen sich die aufgezeichnete VL zuhause an, und können dann im Tutorium ihre durch die VL gewonnenen theoretischen Erkenntnisse praktisch anwenden.
Erforderliche Leistungen
- Regelmäßige Teilnahme in VL UND Tutorium
- 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 Abschlussklausur findet am 04.07.2022, 14-16 Uhr, statt.
Die Nachschreibeklausur findet am N.N., statt.
- Lehrende/r: Bernd Schlipphak
<p>Diese Vorlesung ist die Fortsetzung der Veranstaltung Statistik 1 von Prof. Christoph Weischer. Im Sommersemester beschäftigt sich die Vorlesung mit Fragen der schließenden Statistik, mit statistischen Schätz- und Testverfahren und einem Einblick in die multivariate statistische Analyse. Neben statistischen Fragen im engeren Sinne wird auch die Interpretation statistischer Befunde thematisiert. Parallel erfolgt eine Einführung in Programme, die für (einfache und komplexere) statistische Analysen geeignet sind. Die Veranstaltung wird mit einer Klausur abgeschlossen und wird durch Tutorien begleitet.</p>
- Lehrende/r: Luigi Droste
- Lehrende/r: Marko Heyse
Tutorien zur Vorlesung Statistik II Dr, Heyse!
Die Plätze werden in der ersten Vorlesung vergeben. Bitte nicht zu den Tutorien in HIS LSF anmelden.
- Lehrende/r: Luigi Droste
- Lehrende/r: Marko Heyse
- Lehrende/r: Laura Höh
- Lehrende/r: Phil Kortenjan
- Lehrende/r: Fabian Apostel
- Lehrende/r: Philipp Steffen
- Lehrende/r: Mark Trede
- Lehrende/r: Bernd Wilfling