糖心vlog官网观看

Die F盲higkeit, Wirtschaftsstatistiken zu verstehen und anzuwenden, wird in der Industrie immer wichtiger. Ein gutes Verst盲ndnis der Wirtschaftsstatistik ist eine Voraussetzung 蹿眉谤 die korrekte und sachdienliche Interpretation von Daten. Fehlende Kenntnisse k枚nnen zu falschen Entscheidungen f眉hren, die m枚glicherweise negative Folgen 蹿眉谤 ein Unternehmen haben k枚nnen. Dieser Kurs soll Sie in die Wirtschaftsstatistik einf眉hren. 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 Gesch盲ftsbeispielen eingef眉hrt. Dies f眉hrt uns zu verschiedenen statistischen Verteilungen und ihren Excel-Funktionen, die dann zur Modellierung oder Ann盲herung von Gesch盲ftsprozessen verwendet werden. Sie werden diese deskriptiven Ma脽e von Daten und verschiedene statistische Verteilungen anhand von leicht nachvollziehbaren Excel-Beispielen anwenden, die w盲hrend des gesamten Kurses demonstriert werden. Um die Kursaufgaben erfolgreich zu bearbeiten, m眉ssen die Teilnehmer Zugang zu Microsoft Excel haben.

________________________________________ WOCHE 1 Modul 1: Grundlegende Datendeskriptoren In diesem Modul lernen Sie, verschiedene deskriptive oder zusammenfassende Ma脽e von Daten zu verstehen, zu berechnen und zu interpretieren. Diese deskriptiven Ma脽e fassen Daten zusammen und pr盲sentieren sie anhand einiger weniger Zahlen. Es werden geeignete Excel-Funktionen zur Durchf眉hrung dieser Berechnungen vorgestellt und demonstriert. Zu den behandelten Themen geh枚ren: - Kategorien von deskriptiven Daten - Ma脽e der zentralen Tendenz, der Mittelwert, der Median, der Modus und ihre Interpretationen und Berechnungen - Ma脽e der Streuung von Daten, der Bereich, der Interquartilsbereich, die Standardabweichung und die Varianz - Box-Plots - Interpretation des Ma脽es der Standardabweichung unter Verwendung der Daumenregel und des Tschebyscheffschen Satzes ________________________________________ WOCHE 2 Modul 2: Deskriptive Assoziationsma脽e, Wahrscheinlichkeit und statistische Verteilungen In diesem Modul werden die Kovarianz- und Korrelationsma脽e und ihre jeweiligen Excel-Funktionen vorgestellt. Sie lernen den Begriff der Kausalit盲t im Gegensatz zur Korrelation kennen. Das Modul f眉hrt dann in den Begriff der Wahrscheinlichkeit und der Zufallsvariablen ein und beginnt mit der Einf眉hrung in statistische Verteilungen. Behandelte Themen sind u.a.: - Assoziationsma脽e, die Kovarianz- und Korrelationsma脽e; Kausalit盲t versus Korrelation - Wahrscheinlichkeit und Zufallsvariablen; diskrete versus kontinuierliche Daten - Einf眉hrung 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 geh枚ren: - Wahrscheinlichkeitsdichtefunktion und Fl盲che unter der Kurve als Ma脽 蹿眉谤 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. Au脽erdem werden Sie in die Binomial- und Poisson-Verteilung eingef眉hrt. Der Zentrale Grenzwertsatz wird im Zusammenhang mit dem Verst盲ndnis von Stichproben- und Bev枚lkerungsdaten und der Verbindung zwischen den beiden eingef眉hrt und erl盲utert. Behandelte Themen: - Verschiedene Anwendungen der Normalverteilung - Binomial- und Poisson-Verteilung - Stichproben- und Bev枚lkerungsdaten; 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 Ausma脽 des "Risikos" oder der "Unsicherheit" in verschiedenen Gesch盲ftsprozessen zu verstehen und zu messen.

Dies ist der dritte Kurs in der Specialization "Business Statistics and Analysis". Der Kurs erweitert Ihr Wissen 眉ber Business Statistics, indem er Sie in Konfidenzintervalle und Hypothesentests einf眉hrt. Zun盲chst werden diese Instrumente und ihre gesch盲ftliche Anwendung konzeptionell verstanden. Anschlie脽end stellen wir verschiedene Berechnungen zur Erstellung von Konfidenzintervallen und zur Durchf眉hrung verschiedener Arten von Hypothesentests vor. Um die Kursaufgaben erfolgreich bearbeiten zu k枚nnen, m眉ssen die Teilnehmer Zugang zu einer Windows-Version von Microsoft Excel 2010 oder h枚her haben. Bitte beachten Sie, dass fr眉here Versionen von Microsoft Excel (2007 und fr眉her) mit einigen Excel-Funktionen, die in diesem Kurs behandelt werden, nicht kompatibel sind. WOCHE 1 Modul 1: Konfidenzintervall - Einf眉hrung In diesem Modul lernen Sie konzeptionell zu verstehen, was ein Konfidenzintervall ist und wie es aufgebaut ist. Wir stellen Ihnen die verschiedenen Bausteine 蹿眉谤 das Konfidenzintervall vor, wie z.B. die t-Verteilung, die t-Statistik, die z-Statistik und ihre verschiedenen Excel-Formeln. Anschlie脽end werden wir diese Bausteine verwenden, um Konfidenzintervalle zu konstruieren. Behandelte Themen: - Einf眉hrung in die t-Verteilung, die Excel-Funktionen T.DIST und T.INV - Konzeptuelles Verst盲ndnis 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 gesch盲ftliche Anwendungen des Konfidenzintervalls vorgestellt, einschlie脽lich einer Anwendung, bei der wir das Konfidenzintervall zur Berechnung eines geeigneten Stichprobenumfangs verwenden. Au脽erdem stellen wir anhand einer Anwendung das Konfidenzintervall 蹿眉谤 einen Bev枚lkerungsanteil vor. Gegen Ende des Moduls beginnen wir mit der Einf眉hrung in das Konzept der Hypothesentests. Folgende Themen werden behandelt: - Anwendungen des Konfidenzintervalls - Konfidenzintervall 蹿眉谤 einen Bev枚lkerungsanteil - Berechnung des Stichprobenumfangs - Hypothesentests, eine Einf眉hrung 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 Durchf眉hrung eines Hypothesentests kennen und wenden sie auf Hypothesentests 蹿眉谤 den Mittelwert der Bev枚lkerung und den Bev枚lkerungsanteil 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 M枚glichkeiten zur Verringerung dieser Fehler verstehen. Zu den behandelten Themen geh枚ren: - Die Logik des Hypothesentests - Die vier Schritte zur Durchf眉hrung eines Hypothesentests - Single-Tail- und Two-Tail-Hypothesentests - Richtlinien, Formeln und eine Anwendung des Hypothesentests - Hypothesentest 蹿眉谤 einen Bev枚lkerungsanteil - 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 Gesch盲ftsanwendungen an. Au脽erdem stellen wir Ihnen das Excel-Dialogfeld zur Durchf眉hrung solcher Hypothesentests vor. Folgende Themen werden behandelt: - Einf眉hrung in den Unterschied-im-Mittelwert-Hypothesentest - Anwendungen des Unterschied-im-Mittelwert-Hypothesentests - Die Annahme gleicher und ungleicher Varianz und der gepaarte t-Test 蹿眉谤 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 蹿眉谤 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 verst盲ndlichen Beispielen in Microsoft Excel vorgestellt und erl盲utert. Der Schwerpunkt des Kurses liegt auf dem Verst盲ndnis und der Anwendung und nicht auf detaillierten mathematischen Ableitungen. Hinweis: In diesem Kurs wird die Toolbox "Datenanalyse" verwendet, die standardm盲脽ig in der Windows-Version von Microsoft Excel enthalten ist. Es ist auch Standard bei der Mac-Version 2016 oder h枚her von Excel. Bei fr眉heren Versionen von Excel 蹿眉谤 Mac ist es jedoch nicht Standard. WOCHE 1 Modul 1: Regressionsanalyse: Eine Einf眉hrung In diesem Modul erhalten Sie eine Einf眉hrung in das lineare Regressionsmodell. Wir werden ein Regressionsmodell erstellen und es mit Excel sch盲tzen. Anhand des gesch盲tzten Modells werden wir Beziehungen zwischen verschiedenen Variablen ableiten und das Modell verwenden, um Vorhersagen zu treffen. Das Modul f眉hrt auch in die Begriffe Fehler, Residuen und R-Quadrat in einem Regressionsmodell ein. Folgende Themen werden behandelt: - Einf眉hrung in die lineare Regression - Erstellung eines Regressionsmodells und dessen 厂肠丑盲迟锄耻苍驳 mit Excel - R眉ckschl眉sse aus dem gesch盲tzten Modell ziehen - Verwendung des Regressionsmodells 蹿眉谤 Vorhersagen - Fehler, Residuen und R-Quadrat WOCHE 2 Modul 2: Regressionsanalyse: Hypothesentests und Anpassungsg眉te (Goodness of Fit) In diesem Modul werden verschiedene Hypothesentests vorgestellt, die Sie mit der Regressionsausgabe durchf眉hren k枚nnen. 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 Anpassungsma脽en 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 geh枚ren: - Hypothesentests in einer linearen Regression - 'Goodness of Fit'-Ma脽e (R-Quadrat, bereinigtes R-Quadrat) - Dummy-Variablen-Regression (Verwendung kategorischer Variablen in einer Regression) WOCHE 3 Modul 3: Regressionsanalyse: Dummy-Variablen, Multikollinearit盲t 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 erkl盲rt auch, was Multikollinearit盲t ist und wie man damit umgeht. Zu den behandelten Themen geh枚ren: - Regression mit Dummy-Variablen (Verwendung kategorischer Variablen in einer Regression) - Interpretation von Koeffizienten und p-Werten bei Vorhandensein von Dummy-Variablen - Multikollinearit盲t in Regressionsmodellen WOCHE 4 Modul 4: Regressionsanalyse: Verschiedene Erweiterungen Das Modul vertieft Ihr Verst盲ndnis der linearen Regression und f眉hrt Techniken wie die Mittelwertzentrierung von Variablen und die Erstellung von Vertrauensbereichen 蹿眉谤 Vorhersagen unter Verwendung des Regressionsmodells ein. Eine leistungsstarke Regressionserweiterung, die so genannten 'Interaktionsvariablen', wird eingef眉hrt und anhand von Beispielen erl盲utert. 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 geh枚ren: - Mittelwertzentrierung von Variablen in einem Regressionsmodell - Erstellung von Vertrauensbereichen 蹿眉谤 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 M枚glichkeit, die in den vier Kursen der Spezialisierung erworbenen F盲higkeiten auf eine reale Datenlage anzuwenden. In Zusammenarbeit mit einem Industriepartner werden in diesem Capstone 枚ffentlich zug盲ngliche 'Wohnungsdaten' verwendet, um verschiedene Fragen zu stellen, die ein Kunde typischerweise einem Datenanalysten stellen w眉rde. Ihre Aufgabe ist es, die entsprechenden statistischen Analysen durchzuf眉hren und Ihre Ergebnisse als Antwort auf die Fragen in einer 蹿眉谤 jedermann verst盲ndlichen Weise zu berichten. Bitte denken Sie daran, dass es sich um einen Capstone handelt und der Schwierigkeitsgrad bzw. die Eindeutigkeit h枚her ist als bei den vier vorangegangenen Kursen. Das Ziel ist es, eine reale Anwendung so gut wie m枚glich nachzuahmen.