Veranstaltung
Die hier angezeigten Termine und Veranstaltungen werden dynamisch aus Stud.IP heraus angezeigt.
Daher kontaktieren Sie bei Fragen bitte direkt die Person, die unter dem Punkt Lehrende/Dozierende steht.
Veranstaltung
Semester:
Sommersemester
2023
1.07.041 Statistik II -
Veranstaltungstermin | Raum
- Montag, 17.4.2023 14:15 - 15:45 | A14 1-103 (Hörsaal 3)
- Montag, 24.4.2023 14:15 - 15:45 | A14 1-103 (Hörsaal 3)
- Montag, 8.5.2023 14:15 - 15:45 | A14 1-103 (Hörsaal 3)
- Montag, 15.5.2023 14:15 - 15:45 | A14 1-103 (Hörsaal 3)
- Montag, 22.5.2023 14:15 - 15:45 | A14 1-103 (Hörsaal 3)
- Montag, 5.6.2023 14:15 - 15:45 | A14 1-103 (Hörsaal 3)
- Montag, 12.6.2023 14:15 - 15:45 | A14 1-103 (Hörsaal 3)
- Montag, 19.6.2023 14:15 - 15:45 | A14 1-103 (Hörsaal 3)
- Montag, 26.6.2023 14:15 - 15:45 | W01 1-117
- Montag, 3.7.2023 14:15 - 15:45 | A14 1-103 (Hörsaal 3)
- Montag, 10.7.2023 14:15 - 15:45 | A14 1-103 (Hörsaal 3)
- Mittwoch, 19.7.2023 12:00 - 16:00 | A06 3-313
- Mittwoch, 26.7.2023 12:00 - 16:00 | A06 3-313
- Montag, 31.7.2023 14:00 - 16:00 | A14 1-103 (Hörsaal 3)
- Montag, 4.9.2023 14:00 - 16:00 | A14 1-103 (Hörsaal 3)
Beschreibung
Aufbauend auf die lineare Regression, die auf metrische abhängige Variablen zugeschnitten ist, wird im Anschluss die Familie der generalisierten linearen Modelle (GLM) vorgestellt. Zu dieser Modellfamilie gehören Regressionsmodelle, die geeignet sind, unterschiedlich skalierte abhängige Variablen im Rahmen der Regressionsanalyse zu untersuchen. Dazu gehört z.B. die logistische Regression, die zum Einsatz kommt, wenn die abhängige Variable binär kodiert ist (z.B. ja/nein) oder die Poissonregression, die zum Einsatz bei Zählvariablen kommt.
Lehrende
TutorInnen
- Svenja Heinecke, M.A. M.A.
- Lena Katharina Dahlhaus, M.A. M.A.
- Kyra Meyer
- Tim Krabbe
- Priv.-Doz. Dr. Priv.-Doz. Dr. Wolfgang Müskens
- Susanne Schorer
Studienbereiche
- Studium generale / Gasthörstudium
SWS
2
Art der Lehre
Ausschließlich Präsenz
Für Gasthörende / Studium generale geöffnet:
Ja
Hinweise zum Inhalt der Veranstaltung für Gasthörende
Anknüpfend an bereits erworbene einführende Kenntnisse der beschreibenden und schließenden Statistik aus der Veranstaltung Statistik I wird zunächst in die lineare Regressionsanalyse eingeführt, eine Methode, die es erlaubt, ein Merkmal auf Basis eines oder mehrere anderer Merkmale vorherzusagen und die Stärke des damit beschriebenen statistischen Zusammenhang zu bestimmen.
Aufbauend auf die lineare Regression, die auf metrische abhängige Variablen zugeschnitten ist, wird im Anschluss die Familie der generalisierten linearen Modelle (GLM) vorgestellt. Zu dieser Modellfamilie gehören Regressionsmodelle, die geeignet sind, unterschiedlich skalierte abhängige Variablen im Rahmen der Regressionsanalyse zu untersuchen. Dazu gehört z.B. die logistische Regression, die zum Einsatz kommt, wenn die abhängige Variable binär kodiert ist (z.B. ja/nein) oder die Poissonregression, die zum Einsatz bei Zählvariablen kommt.