Spezialisierung Unternehmensstatistik und -analyse

Die Fähigkeit, Wirtschaftsstatistiken zu verstehen und anzuwenden, wird in der Industrie immer wichtiger. Ein gutes Verständnis der Wirtschaftsstatistik ist eine Voraussetzung für die korrekte und sachdienliche Interpretation von Daten. Fehlende Kenntnisse können zu falschen Entscheidungen führen, die möglicherweise negative Folgen für ein Unternehmen haben können. Dieser Kurs soll Sie in die Wirtschaftsstatistik einführen. Wir beginnen mit dem Begriff der deskriptiven Statistik, d.h. der Zusammenfassung von Daten anhand einiger weniger Zahlen. Es werden verschiedene Kategorien von deskriptiven Kennzahlen vorgestellt und besprochen sowie die Excel-Funktionen zu deren Berechnung. Der Begriff der Wahrscheinlichkeit oder Ungewissheit wird zusammen mit dem Konzept von Stichproben- und Populationsdaten anhand von relevanten Geschäftsbeispielen eingeführt. Dies führt uns zu verschiedenen statistischen Verteilungen und ihren Excel-Funktionen, die dann zur Modellierung oder Annäherung von Geschäftsprozessen verwendet werden. Sie werden diese deskriptiven Maße von Daten und verschiedene statistische Verteilungen anhand von leicht nachvollziehbaren Excel-Beispielen anwenden, die während des gesamten Kurses demonstriert werden. Um die Kursaufgaben erfolgreich zu bearbeiten, müssen die Teilnehmer Zugang zu Microsoft Excel haben.

________________________________________ WOCHE 1 Modul 1: Grundlegende Datendeskriptoren In diesem Modul lernen Sie, verschiedene deskriptive oder zusammenfassende Maße von Daten zu verstehen, zu berechnen und zu interpretieren. Diese deskriptiven Maße fassen Daten zusammen und präsentieren sie anhand einiger weniger Zahlen. Es werden geeignete Excel-Funktionen zur Durchführung dieser Berechnungen vorgestellt und demonstriert. Zu den behandelten Themen gehören: - Kategorien von deskriptiven Daten - Maße der zentralen Tendenz, der Mittelwert, der Median, der Modus und ihre Interpretationen und Berechnungen - Maße der Streuung von Daten, der Bereich, der Interquartilsbereich, die Standardabweichung und die Varianz - Box-Plots - Interpretation des Maßes der Standardabweichung unter Verwendung der Daumenregel und des Tschebyscheffschen Satzes ________________________________________ WOCHE 2 Modul 2: Deskriptive Assoziationsmaße, Wahrscheinlichkeit und statistische Verteilungen In diesem Modul werden die Kovarianz- und Korrelationsmaße und ihre jeweiligen Excel-Funktionen vorgestellt. Sie lernen den Begriff der Kausalität im Gegensatz zur Korrelation kennen. Das Modul führt dann in den Begriff der Wahrscheinlichkeit und der Zufallsvariablen ein und beginnt mit der Einführung in statistische Verteilungen. Behandelte Themen sind u.a.: - Assoziationsmaße, die Kovarianz- und Korrelationsmaße; Kausalität versus Korrelation - Wahrscheinlichkeit und Zufallsvariablen; diskrete versus kontinuierliche Daten - Einführung in statistische Verteilungen ________________________________________ WOCHE 3 Modul 3: Die Normalverteilung In diesem Modul werden die Normalverteilung und die Excel-Funktion zur Berechnung von Wahrscheinlichkeiten und verschiedenen Ergebnissen aus der Verteilung vorgestellt. Zu den behandelten Themen gehören: - Wahrscheinlichkeitsdichtefunktion und Fläche unter der Kurve als Maß für die Wahrscheinlichkeit - Die Normalverteilung (Glockenkurve), die Funktionen NORM.DIST und NORM.INV in Excel ________________________________________ WOCHE 4 Modul 4: Arbeiten mit Verteilungen, Normal, Binomial, Poisson In diesem Modul sehen Sie verschiedene Anwendungen der Normalverteilung. Außerdem werden Sie in die Binomial- und Poisson-Verteilung eingeführt. Der Zentrale Grenzwertsatz wird im Zusammenhang mit dem Verständnis von Stichproben- und Bevölkerungsdaten und der Verbindung zwischen den beiden eingeführt und erläutert. Behandelte Themen: - Verschiedene Anwendungen der Normalverteilung - Binomial- und Poisson-Verteilung - Stichproben- und Bevölkerungsdaten; der Zentrale Grenzwertsatz

Konfidenzintervalle und Hypothesentests sind sehr wichtige Werkzeuge im Werkzeugkasten der Unternehmensstatistik. Die Beherrschung dieser Themen wird Ihnen helfen, die Entscheidungsfindung in Ihrem Unternehmen zu verbessern und das Ausmaß des "Risikos" oder der "Unsicherheit" in verschiedenen Geschäftsprozessen zu verstehen und zu messen.

Dies ist der dritte Kurs in der Specialization "Business Statistics and Analysis". Der Kurs erweitert Ihr Wissen über Business Statistics, indem er Sie in Konfidenzintervalle und Hypothesentests einführt. Zunächst werden diese Instrumente und ihre geschäftliche Anwendung konzeptionell verstanden. Anschließend stellen wir verschiedene Berechnungen zur Erstellung von Konfidenzintervallen und zur Durchführung verschiedener Arten von Hypothesentests vor. Um die Kursaufgaben erfolgreich bearbeiten zu können, müssen die Teilnehmer Zugang zu einer Windows-Version von Microsoft Excel 2010 oder höher haben. Bitte beachten Sie, dass frühere Versionen von Microsoft Excel (2007 und früher) mit einigen Excel-Funktionen, die in diesem Kurs behandelt werden, nicht kompatibel sind. WOCHE 1 Modul 1: Konfidenzintervall - Einführung In diesem Modul lernen Sie konzeptionell zu verstehen, was ein Konfidenzintervall ist und wie es aufgebaut ist. Wir stellen Ihnen die verschiedenen Bausteine für das Konfidenzintervall vor, wie z.B. die t-Verteilung, die t-Statistik, die z-Statistik und ihre verschiedenen Excel-Formeln. Anschließend werden wir diese Bausteine verwenden, um Konfidenzintervalle zu konstruieren. Behandelte Themen: - Einführung in die t-Verteilung, die Excel-Funktionen T.DIST und T.INV - Konzeptuelles Verständnis eines Konfidenzintervalls - Die z-Statistik und die t-Statistik - Konstruktion eines Konfidenzintervalls unter Verwendung der z-Statistik und der t-Statistik WOCHE 2 Modul 2: Konfidenzintervall - Anwendungen In diesem Modul werden verschiedene geschäftliche Anwendungen des Konfidenzintervalls vorgestellt, einschließlich einer Anwendung, bei der wir das Konfidenzintervall zur Berechnung eines geeigneten Stichprobenumfangs verwenden. Außerdem stellen wir anhand einer Anwendung das Konfidenzintervall für einen Bevölkerungsanteil vor. Gegen Ende des Moduls beginnen wir mit der Einführung in das Konzept der Hypothesentests. Folgende Themen werden behandelt: - Anwendungen des Konfidenzintervalls - Konfidenzintervall für einen Bevölkerungsanteil - Berechnung des Stichprobenumfangs - Hypothesentests, eine Einführung WOCHE 3 Modul 3: Hypothesentests In diesem Modul werden Hypothesentests vorgestellt. Sie lernen die Logik hinter Hypothesentests zu verstehen. Sie lernen die vier Schritte zur Durchführung eines Hypothesentests kennen und wenden sie auf Hypothesentests für den Mittelwert der Bevölkerung und den Bevölkerungsanteil an. Sie werden den Unterschied zwischen Hypothesentests mit einem Ende und mit zwei Enden sowie die mit Hypothesentests verbundenen Fehler vom Typ I und Typ II und die Möglichkeiten zur Verringerung dieser Fehler verstehen. Zu den behandelten Themen gehören: - Die Logik des Hypothesentests - Die vier Schritte zur Durchführung eines Hypothesentests - Single-Tail- und Two-Tail-Hypothesentests - Richtlinien, Formeln und eine Anwendung des Hypothesentests - Hypothesentest für einen Bevölkerungsanteil - Fehler vom Typ I und Typ II bei einer Hypothese WOCHE 4 Modul 4: Hypothesentest - Unterschiede im Mittelwert In diesem Modul wenden Sie Hypothesentests an, um den Unterschied zwischen zwei verschiedenen Daten zu testen, solche Hypothesentests werden als Tests auf Unterschiede im Mittelwert bezeichnet. Wir stellen Ihnen die drei Arten von Tests auf Mittelwertunterschiede vor und wenden sie auf verschiedene Geschäftsanwendungen an. Außerdem stellen wir Ihnen das Excel-Dialogfeld zur Durchführung solcher Hypothesentests vor. Folgende Themen werden behandelt: - Einführung in den Unterschied-im-Mittelwert-Hypothesentest - Anwendungen des Unterschied-im-Mittelwert-Hypothesentests - Die Annahme gleicher und ungleicher Varianz und der gepaarte t-Test für den Unterschied im Mittelwert - Einige weitere Anwendungen

Die Regressionsanalyse ist vielleicht das wichtigste Instrument der Unternehmensstatistik, das in der Branche verwendet wird. Die Regression ist der Motor hinter einer Vielzahl von Datenanalyseanwendungen, die für viele Formen von Prognosen und Vorhersagen verwendet werden.

Dies ist der vierte Kurs der Spezialisierung "Unternehmensstatistik und -analyse". Der Kurs macht Sie mit dem sehr wichtigen Instrument der linearen Regression vertraut. Sie werden lernen, verschiedene Verfahren wie Regressionen mit Dummy-Variablen, Transformationsvariablen und Interaktionseffekte anzuwenden. All diese Verfahren werden anhand von leicht verständlichen Beispielen in Microsoft Excel vorgestellt und erläutert. Der Schwerpunkt des Kurses liegt auf dem Verständnis und der Anwendung und nicht auf detaillierten mathematischen Ableitungen. Hinweis: In diesem Kurs wird die Toolbox "Datenanalyse" verwendet, die standardmäßig in der Windows-Version von Microsoft Excel enthalten ist. Es ist auch Standard bei der Mac-Version 2016 oder höher von Excel. Bei früheren Versionen von Excel für Mac ist es jedoch nicht Standard. WOCHE 1 Modul 1: Regressionsanalyse: Eine Einführung In diesem Modul erhalten Sie eine Einführung in das lineare Regressionsmodell. Wir werden ein Regressionsmodell erstellen und es mit Excel schätzen. Anhand des geschätzten Modells werden wir Beziehungen zwischen verschiedenen Variablen ableiten und das Modell verwenden, um Vorhersagen zu treffen. Das Modul führt auch in die Begriffe Fehler, Residuen und R-Quadrat in einem Regressionsmodell ein. Folgende Themen werden behandelt: - Einführung in die lineare Regression - Erstellung eines Regressionsmodells und dessen Schätzung mit Excel - Rückschlüsse aus dem geschätzten Modell ziehen - Verwendung des Regressionsmodells für Vorhersagen - Fehler, Residuen und R-Quadrat WOCHE 2 Modul 2: Regressionsanalyse: Hypothesentests und Anpassungsgüte (Goodness of Fit) In diesem Modul werden verschiedene Hypothesentests vorgestellt, die Sie mit der Regressionsausgabe durchführen können. Diese Tests sind ein wichtiger Bestandteil der Inferenz und das Modul stellt sie anhand von Excel-Beispielen vor. Die p-Werte werden zusammen mit den Anpassungsmaßen R-Quadrat und dem angepassten R-Quadrat vorgestellt. Gegen Ende des Moduls stellen wir die 'Dummy-Variablen-Regression' vor, die dazu dient, kategoriale Variablen in eine Regression einzubeziehen. Zu den behandelten Themen gehören: - Hypothesentests in einer linearen Regression - 'Goodness of Fit'-Maße (R-Quadrat, bereinigtes R-Quadrat) - Dummy-Variablen-Regression (Verwendung kategorischer Variablen in einer Regression) WOCHE 3 Modul 3: Regressionsanalyse: Dummy-Variablen, Multikollinearität Dieses Modul setzt die Anwendung der Dummy-Variablen-Regression fort. Sie lernen die Interpretation der Regressionsergebnisse bei Vorhandensein von kategorialen Variablen kennen. Anhand von Beispielen werden die verschiedenen vorgestellten Konzepte vertieft. Das Modul erklärt auch, was Multikollinearität ist und wie man damit umgeht. Zu den behandelten Themen gehören: - Regression mit Dummy-Variablen (Verwendung kategorischer Variablen in einer Regression) - Interpretation von Koeffizienten und p-Werten bei Vorhandensein von Dummy-Variablen - Multikollinearität in Regressionsmodellen WOCHE 4 Modul 4: Regressionsanalyse: Verschiedene Erweiterungen Das Modul vertieft Ihr Verständnis der linearen Regression und führt Techniken wie die Mittelwertzentrierung von Variablen und die Erstellung von Vertrauensbereichen für Vorhersagen unter Verwendung des Regressionsmodells ein. Eine leistungsstarke Regressionserweiterung, die so genannten 'Interaktionsvariablen', wird eingeführt und anhand von Beispielen erläutert. Wir untersuchen auch die Transformation von Variablen in einer Regression und stellen in diesem Zusammenhang das log-log und das semi-log Regressionsmodell vor. Zu den behandelten Themen gehören: - Mittelwertzentrierung von Variablen in einem Regressionsmodell - Erstellung von Vertrauensbereichen für Vorhersagen unter Verwendung eines Regressionsmodells - Interaktionseffekte in einer Regression - Transformation von Variablen - Die log-log und semi-log Regressionsmodelle

Der Business Statistics and Analysis Capstone bietet Ihnen die Möglichkeit, die in den vier Kursen der Spezialisierung erworbenen Fähigkeiten auf eine reale Datenlage anzuwenden. In Zusammenarbeit mit einem Industriepartner werden in diesem Capstone öffentlich zugängliche 'Wohnungsdaten' verwendet, um verschiedene Fragen zu stellen, die ein Kunde typischerweise einem Datenanalysten stellen würde. Ihre Aufgabe ist es, die entsprechenden statistischen Analysen durchzuführen und Ihre Ergebnisse als Antwort auf die Fragen in einer für jedermann verständlichen Weise zu berichten. Bitte denken Sie daran, dass es sich um einen Capstone handelt und der Schwierigkeitsgrad bzw. die Eindeutigkeit höher ist als bei den vier vorangegangenen Kursen. Das Ziel ist es, eine reale Anwendung so gut wie möglich nachzuahmen.