Statistik

44B0568

Bachelor

Deutsch

5.0

nur Wintersemester

1 Semester

In der Agrarwirtschaft, Lebensmittelwissenschaft und Gartenbau werden vielen Prozesse und Phänomene durch mathematische und statistische Modelle beschrieben. Entwicklung, Qualitätssicherung und Marketing sind wesentlich getragen durch eine statistische Analyse von Daten. In dem Modul "Statistik" lernen Studierende die Grundlagen für das spätere wissenschaftliche und angewandte Arbeiten. Das Modul vermittelt die dafür notwendigen statistischen Grundkenntnisse. Der Fokus liegt hier auf der Darstellung, Erfahrung und ersten statistischen Auswertungen von Daten. Wissenschaftliche Forschung und Erkenntnisgewinn wird hierbei in den Kontext der Erhebung von Daten gesetzt. Die für die Agrarwirtschaft, Lebensmittelwissenschaft und Gartenbau relevanten statistischen Verfahren und Modellierungen werden dargestellt und diskutiert. Eine auf Daten gestützte Risikoabschätzung von Entscheidungen wird eingeübt. Parallel dazu werden in dem Modul die erworbenen theoretischen, statistischen Kenntnisse durch die Einführung in die Programmierung in R für die Studierenden umsetzbar und erfahrbar gemacht. In dem Modul "Statistik" werden somit die ersten Grundkenntnisse für die praktische Anwendung der Bio Data Science erworben.

Statistischer Anteil

• Einführung in die explorative Datenanalyse und deren statistischen Maßzahlen.
• Einführung in das statistische Testen sowie der Testtheorie mit dem Prüfen von statistischen Hypothesen beinhaltend p-Wert und die 95% Konfidenzintervalle.
• Berechnung des Student-, Welch- und gepaarten t-Test.
• Einführung in die Varianzanalyse beinhaltend die einfaktorielle sowie zweifaktorielle ANOVA.
• Grundlagen des nicht-parametrischen Tests beinhaltend Wilcoxon-Mann-Whitney-Test sowie Kruskal-Wallis-Test.
• Grundlagen der simplen linearen Regression und der multiplen linearen Regression sowie deren statistischen Maßzahlen der Modellgüte am Beispiel eines normalverteilten Endpunkts.
• Diagnostischen Testen und deren statistischen Maßzahlen.
• Chi-Quadrat-Test für eine Vierfeldertafel.
• Einführung in das multiple Testen von mehreren Mittelwerten und die Darstellung im compact letter display.

Informatorischer Anteil

• Einführung in die Grundlagen der Programmierung in R anhand von Skalenarten.
• Einführung in die Darstellung von Daten in R und die Vorstellung des Konzepts der "tidy data".
• Konzept von Objekten, Funktionen sowie Pipen und der Vorstellung des tidyverse in R.
• Einlesen von Daten und deren Bearbeitung sowie Visualisierung in R.
• Durchführung der gängigen statistischen Tests und die Interpretierung der jeweiligen R Ausgaben.

Der Arbeitsaufwand für das Modul umfasst insgesamt 150 Stunden (siehe auch "ECTS-Leistungspunkte und Benotung").

• Klausur oder
• mündliche Prüfung oder
• Referat (mit schriftlicher Ausarbeitung)

Standardprüfungsart ist die Klausur (im Falle der Abweihung wird eine aufgeführte alternative Prüfungsart von der*dem Prüfenden ausgewählt und bei Veranstaltungsbeginn bekannt gegeben).

Klausur, 2-stündig

Keine. Es handelt sich um ein Grundlagenmodul.

Statistischer Anteil

• Die Studierenden sind in der Lage verschiedene Daten und Datenstrukturen zu erkennen und zu benennen.
• Die Studierenden können explorative Abbildungen erkennen und benennen.
• Die Studierenden können verschiedene statistische Tests händisch durchführen.

Informatorischer Anteil

• Die Studierenden können die Anforderungen an einen Datensatz zur Verwendung in R benennen.
• Die Studierenden können in R Objekte, Funktionen und Zahlenvektoren unterscheiden und kennen die gängigen Operatoren in R.
• Die Studierenden können den Ablauf für die Erstellung einer explorativen Datenanalyse in R beschreiben.
• Die Studierenden sind in der Lage aus englischen Internetquellen eine Lösung für ein R Problem einzugrenzen.

Statistischer Anteil

• Die Studierenden können explorative Abbildungen erstellen und interpretieren.
• Die Studierenden können aus explorative Abbildungen die entsprechende Datenstruktur zur Erstellung der Abbildungen wiedergeben.
• Die Studierenden sind in der Lage anhand eines statistisches Tests eine Entscheidung zu treffen.
• Die Studierenden können das Ergebnis eines statistischen Test im Kontext der wissenschaftlichen Fragestellung interpretieren.

Informatorischer Anteil

• Die Studierenden sind in der Lage experimentelle Daten nach dem Konzept der der "tidy data" zu erheben.
• Die Studierenden sind in der Lage die Ausgabe eines statistischen Test in R zu interpretieren.
• Die Studierenden können einfache Auswahl- und Filterregeln auf Datensätze in R anwenden.
• Die Studierenden können erste einfache R Code Blöcke miteinander in einen Kontext setzen.

Statistischer Anteil

• Die Studierenden können einen statistischen Test mit einer explorativen Datenanalyse in einen Kontext bringen.

Informatorischer Anteil

• Die Studierenden sind in der Lage eine einfache statistische Auswertung mit den notwendigen Funktionen und Paketen in R zu skizzieren.

Die Studierenden sind in der Lage einfache lineare Kosten- und Nutzenabschätzungen anhand von statistischen Modellen durchzuführen. Diese einfachen Abschätzungen umfassen die Planung von marktwirtschaftlichen, technischen und biologischen Prozesses in den Agrarwirtschaften, Lebensmittelwissenschaften und Gartenbau. Die Studierenden können dabei externe Literaturquellen und deren statistischen Maßzahlen in den Kontext des eigenen Berufsfeld setzen und aus verschiedenen, wissenschaftlichen Quellen erste informierte Vorentscheidungen treffen. Die Studierenden sind in der Lage die grundlegenden Konzepte der Programmierung in R in anderen Programmiersprachen zuerkennen.

Die Studierende können statistische Maßzahlen aus wissenschaftlichen Publikationen in andere wissenschaftliche Kontexte einordnen. Die Studierenden kennen die Grundlagen des wissenschaftlichen Arbeitens anhand von Fallbeispielen. Die Studierenden können explorative Abbildungen aus Veröffentlichungen verstehen und erste informierte Forschungsideen entwickeln. Die Studierenden sind in der Lage bei der Erstellung von Daten aus Experimenten die Verwertbarkeit in R zu berücksichtigen.

Die Studierenden sind in der Lage durch das Konzept von "tidy data" erhobene Daten mit anderen Forschenden zu teilen. Ebenfalls sind die Studierenden in der Lage gängige statistische Maßzahlen zu erkennen und zu berichten. Die Studierenden können R Code lesen, erstellen und demonstrieren.

Keine. Es handelt sich um ein Grundlagenmodul.

Das Modul "Mathematik und Statistik" bereitet zudem auf weiterführende Module aus verschiedenen Themenbereichen vor. Zu diesen Themenbereichen gehören insbesondere

• Marketing Praxis (44B0547)
• Web Engineering (44B0585)
• Wirtschaftsinformatik (44B0577)
• Wissenschaftliches Arbeiten und Kommunikation (44B0573)

Welche nachfolgenden Module konkret in Frage kommen, hängt von den einzelnen Studiengängen ab. Nähere Informationen hierzu bietet der Studienverlaufsplan in der jeweils gültigen Studienordnung.

• Wirtschaftsingenieurwesen Agrar/Lebensmittel B.Eng. (01.09.2018)

• Management nachhaltiger Ernährungssysteme B.Sc. (01.09.2025)

• Wirtschaftsingenieurwesen Lebensmittelproduktion B.Eng. (01.09.2025)

• Kruppa-Scheetz, Jochen

• Kruppa-Scheetz, Jochen