Datenanalyse - Interaktive Studienpläne der TU Ilmenau
Die Interaktiven Studienpläne sind ein Informationsangebot zu den Studiengängen der TU Ilmenau.
Die rechtsverbindlichen Studienpläne entnehmen Sie bitte den jeweiligen Studien- und Prüfungsordnungen (Anlage Studienplan).
Alle Angaben zu geplanten Lehrveranstaltungen finden Sie im elektronischen Vorlesungsverzeichnis.
Bitte beachten Sie, dass auf dieser Seite keine Aktualisierungen mehr vorgenommen werden. Alle Module und Studienpläne ab der PO-Version 2021 (Bachelor- und Master-Studiengänge) sind ab sofort im Campus-Portal erreichbar.
|
Modulinformationen zu Datenanalyse
im Studiengang Master Wirtschaftsingenieurwesen 2014
ACHTUNG: wird nicht mehr angeboten! |
|
|---|---|
| Modulnummer | 6285 |
| Prüfungsnummer | 2500077 |
| Fakultät | Fakultät für Wirtschaftswissenschaften und Medien |
| Fachgebietsnummer | 2532 (Quantitative Methoden der Wirtschaftswissenschaften) |
| Modulverantwortliche(r) | Prof. Dr. Udo Bankhofer |
| Turnus | Sommersemester |
| Sprache | Deutsch |
| Leistungspunkte | 4 |
| Präsenzstudium (h) | 34 |
| Selbststudium (h) | 86 |
| Verpflichtung | Wahlmodul |
| Abschluss | schriftliche Prüfungsleistung, 90 Minuten |
| Details zum Abschluss | |
| Link zum Moodle-Kurs | https://moodle2.tu-ilmenau.de/course/info.php?id=3415 |
| Lehrende | |
| Anmeldemodalitäten für alternative PL oder SL | |
| max. Teilnehmerzahl | |
| Vorkenntnisse | Statistik auf Bachelorniveau |
| Lernergebnisse und erworbene Kompetenzen | Die Studierenden sind in der Lage, multivariate Daten zu analysieren und entsprechende Methoden bei der Auswertung multivariater Daten richtig einzusetzen. Sie können die Analyseergebnisse bewerten und im Hinblick auf die zugrundeliegende Problemstellung interpretieren. Mit der Vorlesung und der Übung werden Fach- und Methodenkompetenz vermittelt. |
| Inhalt | 1. Daten- und Distanzmatrizen 1.1 Objekte, Merkmale, Distanzen 1.2 Merkmalstypen und ihre Distanzen 1.3 Aggregation von Distanzen 2. Klassifikationsverfahren 2.1 Klassifikationstypen 2.2 Klassifikationsheuristiken 2.3 Bewertungskriterien 2.4 Partitionierende Klassifikationsverfahren 2.5 Hierarchische Klassifikationsverfahren 3. Repräsentationsverfahren 3.1 Mehrdimensionale Skalierung 3.2 Faktorenanalyse 4. Identifikationsverfahren 4.1 Multiple Regression 4.2 Diskriminanzanalyse 4.3 Varianzanalyse |
| Medienformen und technische Anforderungen bei Lehr- und Abschlussleistungen in elektronischer Form | Interaktives Tafelbild, PowerPoint-Folien, Moodle: https://moodle2.tu-ilmenau.de/course/index.php?categoryid=223 |
| Literatur | Jeweils in der aktuellen Auflage: - Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R.: Multivariate Analysemethoden, Springer, Berlin - Bankhofer, Vogel: Datenanalyse und Statistik. Eine Einführung für Ökonomen im Bachelor, Gabler, Wiesbaden - Bausch, T.; Opitz, O.: PC-gestützte Datenanalyse mit Fallstudien aus der Marktforschung, Vahlen, München - Bowerman, B.L.; O´Connell, R.T.: Forecasting and time series, Duxbury Press - Everitt, B.; Dunn, G.: Applied Multivariate Data Analysis, Arnold, London - Fahrmeir, L.; Hamerle, A.; Tutz,: Multivariate statistische Verfahren, de Gruyter, Berlin - Gaul, W.; Baier, D.: Marktforschung und Marketing Management: computerbasierte Entscheidungsunterstützung, Oldenbourg - Hartung, J.; Elpelt, B.: Multivariate Statistik, Oldenbourg, München - Opitz, O.: Numerische Taxonomie, UTB, Fischer, Stuttgart - Jobson, J.D.: Applied Multivariate Data Analysis, Volume I: Regression and Experimental Design, Springer, New York - Jobson, J.D.: Applied Multivariate Data Analysis, Volume II: Categorical and Multivariate Methods, Springer, New York - Leiner, B.: Einführung in die Zeitreihenanalyse, Oldenbourg - Mertens, P.; Rässler, S.: Prognoserechnung, Physica - Schlittgen, R.; Streitberg, B.: Zeitreihenanalyse, Oldenbourg |
| Lehrevaluation | |