Die Studierenden sind in der Lage,

• zentrale statistische Begrifflichkeiten zu verstehen und zu erklären,
  

• die Relevanz und Notwendigkeit statistischer Informationsverarbeitung für den wirtschaftlichen Kontext sowie den wissenschaftlichen und gesellschaftlichen Prozess zu begründen,
  

• die Grundgedanken und Charakteristika ausgewählter quantitativer Datenaufbereitungsmethoden zu beschreiben und zu erklären,
  

• grundlegende Konzepte und Verfahren der deskriptiven Statistik und der Inferenzstatistik zu beschreiben und zu erklären sowie deren Nutzen und Grenzen konzeptionell und technisch zu erläutern,
  

• grundlegende und komplexe deskriptiv-statistische und inferenzstatistische Verfahren unter Berücksichtigung der Dateneigenschaften kompetent anzuwenden,
  

• zur Beantwortung vorgegebener inhaltliche Fragestellung adäquate statistische Verfahren auszuwählen,
  

• Daten anhand geeigneter deskriptiv-statistischer und inferenzstatistische Verfahren auszuwerten, mit geeigneten Grafiken darzustellen und die Ergebnisse der Analysen zu interpretieren.
  

• computergestützte quantitative Datenanalysen durchzuführen und dabei neue Technologien (z.B. KI-basierte Tools) für die Aufbereitung und Analyse quantitativer Daten zu nutzen.
  

• die empirischen Studien zu Grunde liegenden Daten und Ergebnisse inklusive der daraus abgeleiteten Interpretationen kritisch zu hinterfragen und hinsichtlich ihrer Qualität zu bewerten.
  

• Einschränkungen in der Aussagekraft von deskriptiven und inferenzstatistischen Datenanalysen für die Beantwortung von inhaltlichen Fragestellungen zu identifizieren.
  

keine

• Grundbegriffe der deskriptiven Statistik: Merkmalsausprägungen, Messbarkeit, Skalenniveaus, etc.
  

• Grundlagen, Planung und praktische Durchführung ausgewählter Verfahren zur Aufbereitung quantitativer Daten inkl. Möglichkeiten des Einsatzes neuer Technologien (z.B. KI-basierte Tools)
  

• Univariate deskriptiv-statistische Verfahren: Häufigkeiten und Häufigkeitsverteilungen, grafische Darstellung von Daten, Lage- und Streuungsmaße
  

• Bivariate deskriptiv-statistische Verfahren: Korrelations- und Regressionsanalyse, Kontingenzanalyse
  

• Wahrscheinlichkeitsbegriff, Rechnen mit Wahrscheinlichkeiten
  

• Wahrscheinlichkeitsverteilungen: Binomialverteilung, Normalverteilung
  

• Parameterschätzung, Konfidenzintervall, Hypothesentesten
  

• parametrische inferenzstatistische Verfahren (z.B. t-Test, F-Test)
  

• nicht-parametrische inferenzstatistische Verfahren (z.B. U-Test, W-Test, Chi2-Test)
  

• praktische Durchführung quantitativen Datenanalysen unter Einsatz statistischer Software-Pakete (z.B. MS Excel, SPSS, R, JAMOVI, ...)
  

• Möglichkeiten des Einsatzes neuer Technologien (z.B. KI-basierte Tools) für computergestützte quantitative Datenanalysen
  

• aktuelle Entwicklungen im Bereich der quantitativen Datenanalyse (z.B. neue Methoden und Tools in der computergestützten und automatisierten quantitativen Datenanalyse, ...)
  

Bortz, J./Schuster, C. (2010). Statistik für Human- und Sozialwissenschaftler (7. Aufl.). Berlin: Springer.

Bühl A. (2016): SPSS 23: Einführung in die moderne Datenanalyse. 15., aktualisierte Auflage. Pearson Studium.

Dürr, W./Mayer, H. (1992): Wahrscheinlichkeitsrechnung und Schließende Statistik. München/Wien: Carl Hanser Verlag.

Eid, M./Gollwitzer, M. und Schmitt, M. (2015). Statistik und Forschungsmethoden. Weinheim: Beltz.

Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th edition). London: Sage Publications Ltd.

Field, A./Miles, J./Field, Z. (2012). Discovering statistics using R. London: Sage Publications Ltd.

Kockelkorn, U. (2012). Statistik für Anwender. Berlin/Heidelberg: Springer.

Mc Clave, J. T./Benson, P. G./Sincich, T. (2005). Statistics for Business and Economics (9th ed.). Upper Saddle River: Pearson.

Quatember, A. (2005): Statistik ohne Angst vor Formeln. Ein Lehrbuch für Wirtschafts- und Sozialwissenschaftler. München: Pearson Studium.

Rasch, B./Friese, M./Hofmann, W./Naumann, E. (2014a). Quantitative Methoden 1. Einführung in die Statistik für Psychologen und Sozialwissenschaftler. Berlin: Springer.

Rasch, B./Friese, M./Hofmann, W./Naumann, E. (2014). Quantitative Methoden 2. Einführung in die Statistik für Psychologen und Sozialwissenschaftler. Berlin: Springer.

Wewel, M.C. (2010). Statistik im Bachelor-Studium der BWL und VWL. München: Pearson Studium.

Vortrag, Gruppenarbeiten, Bearbeitung von Übungsbeispielen, praktische Durchführung von (computergestützten) Datenanalysen

Vortrag, Gruppenarbeiten, Bearbeitung von Übungsbeispielen, praktische Durchführung von (computergestützten) Datenanalysen