Modulbeschreibung

Mathematik und Statistik Wirtschaftsinformatik

ECTS-Credits:
6
Lernziele:

Das Modul ist gegliedert in zwei Sektionen: Theoretische Informatik (Logik) (Sektion 1, S1) sowie Wahr-scheinlichkeitstheorie und Schliessende Statistik (Sektion 2, S2)


Ein/e Wirtschaftsinformatiker/in ist vertraut mit den Grundlagen der Booleschen Algebra (fundamentale Äquivalenzen) und deren Anwendungen im Kontext von Aussagen- und Prädikatenlogik. Er/sie ist in der Lage, logische Sachverhalte formal zu modellieren und Formeln auf verschiedene Arten auf (Un-) Erfüll-barkeit zu überprüfen (Wahrheitstafeln, Resolutionskalkül). Er/sie überblickt diese logischen Konzepte im Kontext der relationalen Algebra, welche als theoretische Grundlage der Abfragesprachen relationaler Datenbanken dient, und ist in die Lage, diese gezielt und nutzenstiftend einzusetzen.


Ein/e Wirtschaftsinformatiker/in kann die wahrscheinlichkeitstheoretischen Grundlagen richtig anwenden und in konkreten Beispielen zur Berechnung von Wahrscheinlichkeiten anwenden. Er/sie kann einfache Stichprobenpläne erstellen und kann die Repräsentativität von Stichproben in konkreten Beispielen einschätzen. Er/sie kann Berechnungen von Konfidenzintervallen und einfache statistische Tests durchführen. Sie/er ist damit fähig, eine Marktforschung (oder ähnliche Erhebungen) statistisch sachgerecht durchzuführen.


Sie/er kann technische Hilfsmittel (Taschenrechner/Computer) zum Lösen logischer und statistischer Fragestellungen zielgerichtet einsetzen.

Kurse in diesem Modul

Mathematik und Statistik Wirtschaftsinformatik:

S1-Themen-/Lernblock 1: Aussagenlogik

  • Grundlagen und Anwendung von Boolescher Algebra und Aussagenlogik

 

S1-Themen-/Lernblock 2: Hornlogik

  • Grundlagen und Anwendung der Hornlogik

 

S1-Themen-/Lernblock 3: Prädikatenlogik

  • Grundlagen und Anwendung der Prädikatenlogik

 

S2-Themen-/Lernblock 1: Wahrscheinlichkeitsbegriff und Kombinatorik

  • Axiome der Wahrscheinlichkeitstheorie
  • Laplace-Wahrscheinlichkeit und bedingte Wahrscheinlichkeit
  • Kombinatorik
  • Anwendungsbeispiele

 

S2-Themen-/Lernblock 2: Diskrete Verteilungen

  • Zufallsvariablen und Verteilungen, diskreter und stetiger Fall
  • Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung
  • Erwartungswert und Varianz
  • Anwendungsbeispiele

 

S2-Themen-/Lernblock 3: Normalverteilung und Approximation

  • Normalverteilung und Standardnormalverteilung
  • Approximationen diskreter Verteilungen
  • Anwendungsbeispiele

 

S2-Themen-/Lernblock 4: Grundlagen der Schliessenden Statistik

  • Zusammenhang von Grundgesamtheit und Stichprobe
  • Gütekriterien für Stichprobenerhebungen
  • Eigenschaften von Schätzfunktionen
  • Inklusions- und Repräsentationsschluss
  • Testverteilungen

 

S2-Themen-/Lernblock 5: Vertrauensintervalle

  • Vertrauensintervalle für Mittelwerte
  • Vertrauensintervalle für die Differenz von Mittelwerten
  • Vertraunesintervalle für Anteilswerte
  • Vertraunensintervalle für Varianz und Standardabweichung
  • Berechnung des notwendigen Stichprobenumfangs, endliche Grundgesamtheit

 

S2-Themen-/Lernblock 6: Hypothesentests

  • Grundidee eines statistischen Tests
  • Teste für Mittel- und Anteilswert
  • Chi-Quadrat-Verteilungstest
  • Chi-Quadrat-Unabhängigkeitstest
Vorlesung mit 4 Lektionen pro Woche
Disclaimer

Diese Beschreibung ist rechtlich nicht verbindlich! Weitere Informationen finden Sie in der detaillierten Modulbeschreibung.