TU Wien:Statistical Computing VO (Templ)
Hinweis: Eine ähnliche LVA befindet sich zwar im Studienplan von 534 als "Statistical Computing VU", die LVA dieses Artikels wurde allerdings im WS 2015 zum letzten Mal unter dem Namen "AKSTA: Statistical Computing VO" angeboten.
Daten[Bearbeiten | Quelltext bearbeiten]
| Vortragende | Prof. Matthias Templ |
|---|---|
| ECTS | 3 |
| Bachelorstudium Software & Information Engineering |
Inhalt[Bearbeiten | Quelltext bearbeiten]
Die Statistik-Software R wird im Detail vorgetragen und durchbesprochen.
- Variablen und Datentypen
- Ein- und Auslesen von Daten
- Einfache Visualisierung
Ablauf[Bearbeiten | Quelltext bearbeiten]
Prof. Templ arbeitet bei der Statistik-Austria und hat daher die Möglichkeit praxisnahe Daten zu präsentieren und zu besprechen. Auch wenn diese LVA offiziell als VO läuft, gibt es kleine Übungen.
Benötigte/Empfehlenswerte Vorkenntnisse[Bearbeiten | Quelltext bearbeiten]
Keine Vorkenntnisse notwendig. Interesse für Statistik empfehlenswert.
Vortrag[Bearbeiten | Quelltext bearbeiten]
Prof. Templ trägt anhand der Folien vor. Die vorgetragenen Dinge sollte man unbedingt nachher selbst zu Hause ausprobieren.
Übungen[Bearbeiten | Quelltext bearbeiten]
Kleine Aufgabenstellung mit Echtdaten aus der Statistik-Austria. Der Praxisbezug macht die Übungen sehr interessant. Vorallem sieht man sofort, dass Echtdaten nicht immer optimale Eigenschaften haben, z.B. es fehlen Daten fehlen oder Ausreißer beeinflussen das Gesamtergebnis massiv. Es ist wichtig, dass die Übungen vollständig erledigt werden, jedoch wirken sie sich nicht sehr stark auf die Note aus.
Prüfung, Benotung[Bearbeiten | Quelltext bearbeiten]
Die Prüfung ist mündlich und es wird Kenntnis über R, sowie einige statistische Themengebiete abgeprüft. Beispielsweise muss man mit den Daten hbk aus dem Package robustbase ein lineares Model finden (Achtung, hier gibts keines, man sollte auch begründen können warum), Unterschiede zwischen den beidem Grafiksystem wissen, die Monte Carlo Methode erklären und die Korrektur bei multiplen Testen begründen. Die Benotung ist wirklich nicht streng, und sicher um den ein oder anderen Notengrad besser als man sich erwarten würde.
Dauer der Zeugnisausstellung[Bearbeiten | Quelltext bearbeiten]
Noch am selben Tag der mündlichen Prüfung.
Zeitaufwand[Bearbeiten | Quelltext bearbeiten]
Besuchen der Vorlesung + die kleinen Übungen. Insgesamt angemessen und nicht übermäßig viel.
Unterlagen[Bearbeiten | Quelltext bearbeiten]
- Folien (werden in TUWEL bereitgestellt)
Tipps[Bearbeiten | Quelltext bearbeiten]
Ist eine gute Kombination mit Prof. Filzmosers Explorative Datenanalyse und Visualisierung. Übungbeispiele unbedingt selbstständig lösen.
Verbesserungsvorschläge / Kritik[Bearbeiten | Quelltext bearbeiten]
noch offen