MLU
WIW.06758.02 - Statistical Applications (Complete module description)
Original version English
WIW.06758.02 5 CP
Module label Statistical Applications
Module code WIW.06758.02
Semester of first implementation
Faculty/Institute Wirtschaftswissenschaftlicher Bereich - School of Economics and Business
Module used in courses of study / semesters
  • Betriebswirtschaftslehre (Business Studies) (MA120 LP) (Master) > Betriebswirtschaftslehre BWL (Business Stud.)MA120, Version of accreditation valid from WiSe 2023/24 > 1. Methoden
  • Betriebswirtschaftslehre (Business Studies) (MA120 LP) (Master) > Betriebswirtschaftslehre BWL (Business Stud.)MA120, Version of accreditation (WS 2019/20 - SoSe 2023) > 1.1 Methoden
  • Economics: Data Science and Policy (MA120 LP) (Master) > Volkswirtschaftslehre Economics MA120, Version of accreditation valid from WS 2019/20 > 1.1 Elective Modules
  • Economics: Data Science and Policy (MA120 LP) (Master) > Volkswirtschaftslehre Economics MA120, Version of accreditation valid from WS 2019/20 > 3. Electives
  • Human Resources Management (MA120 LP) (Master) > Betriebswirtschaftslehre HumanRes.ManagementMA120, Version of accreditation valid from WS 2019/20 > 2. HRM und Methoden
  • Human Resources Management (MA120 LP) (Master) > Betriebswirtschaftslehre HumanRes.ManagementMA120, Version of accreditation (WS 2020/21 - SoSe 2023) > 2. HRM und Methoden
  • International Area Studies - Global Change Geography (MA120 LP) (Master) > Geographie/Erdkunde IntArStudGlobChaGeoMA120, Version of accreditation valid from SS 2021 > Economics
  • International Area Studies (MA120 LP) (Master) > Geographie/Erdkunde Intern. Area StudiesMA120, Version of accreditation (SS 2019 - SoSe 2024) > Wirtschaftswissenschaften
  • Wirtschaftsinformatik (Business Information Systems) (MA120 LP) (Master) > Wirtschaftsinformatik WirtschaftsinformatMA120, Version of accreditation valid from WS 2020/21 > 1.5 Empirische Methoden
Responsible person for this module
Further responsible persons
Prof. Dr. Claudia Becker
Prerequisites
Skills to be acquired in this module
  • deskriptive und fortgeschrittene inferenzstatistische (auch multivariate) statistische Methoden zur Datenanalyse für Anwendungsfälle durchführen können
  • die Benutzung einer statistischen Analysesoftware erlernen
  • erkennen und begründen können, welche Methode im jeweiligen Anwendungsfall angemessen ist
  • eigenständig kleinere Adaptionen der Methoden auf die durch die Daten gegebene Situation durchführen können
  • die durchgeführten Auswertungen in Form von mündlichen Vorträgen und Projektberichten präsentieren können
  • statistische Projekte als Teamarbeit selbstorganisiert durchführen können
Module contents
  • Verschiedene praktische Problemstellungen
  • Erarbeitung passender Analysemethoden
  • Durchführung der Analyse mit Hilfe von Statistiksoftware
  • Präsentation von Ergebnissen in Form schriftlicher Berichte und mündlicher Vorträge
Forms of instruction Course (3 SWS)
Course
Course
Course
Languages of instruction German, English
Duration (semesters) 1 Semester Semester
Module frequency beginnend im Wintersemester im Wechsel mit
Module capacity unlimited
Time of examination
Credit points 5 CP
Share on module final degree Course 1: %; Course 2: %; Course 3: %; Course 4: %.
Share of module grade on the course of study's final grade 1
Reference text
Die Veranstaltung wird gemischtsprachig (Englisch/ Deutsch) jedes zweite Wintersemester angeboten.
Module course label Course type Course title SWS Workload of compulsory attendance Workload of preparation / homework etc Workload of independent learning Workload (examination and preparation) Sum workload
Course 1 Course Praktische Arbeit am PC unter Anleitung, mündliche Präsentationen 3 0
Course 2 Course Literaturstudium 0
Course 3 Course Erstellen von Präsentationen und Berichten 0
Course 4 Course Projektarbeit 0
Workload by module 150 150
Total module workload 150
Examination Exam prerequisites Type of examination
Course 1
Course 2
Course 3
Course 4
Final exam of module
Projektarbeit
Exam repetition information
Prerequisites and conditions Prerequisites Frequency Compulsory attendance Share on module grade in percent
Course 1 Winter semester No %
Course 2 Winter semester No %
Course 3 Winter semester No %
Course 4 Winter semester No %