Das Modul Statistik und Data Science (LBT) besteht aus Übung und Vorlesung.

Die Note der Übung setzt sich aus den Bewertungen von Statistik-Coach, Hausübungen und Data Science Projekt zusammen. Alle Teile werden über die e-Learning-Plattform BOKUlearn ("Moodle") abgewickelt.

Es werden während des Semesters laufend auf die Vorlesung und Übung abgestimmte Online-Beispiele im Statistik-Coach angeboten. Diese dienen

• der laufenden Selbstüberprüfung;
• einem selbstauferlegten Druck, laufend mitzulernen;
• der Information für den LVA-Leiter über spezielle Probleme und Fragen, die einzelne oder gar die Allgemeinheit "plagen" (echtes Feedback).

Dabei sind, abhängig vom jeweiligen Beispiel, unterschiedlich viele Punkte erreichbar. Es sind maximal 10 Abgabeversuche (innerhalb der jeweiligen Abgabefrist von ca. 2-3 Wochen) möglich, der letzte wird gewertet.

Es sind über das Semester verteilt drei Hausübungen abzugeben, diese sind mit der Statistik-Software "R" zu bearbeiten.

• Die erste und dritte Hausübung ist eine Gruppenarbeit wo in Form eines kleinen Berichtes eine PDF-Datei abgegeben wird, wobei abschließend ein Abgabekolloquium stattfindet.
• Die zweite Hausübung ist per Webformular als Online-Beispiel in BOKUlearn abzugeben. Ein Überprüfen der Korrektheit Ihrer Antworten ist vor der Abgabe nicht möglich.

Im Data-Science-Projekt werden anhand größerer Datensätze relevante Fragestellungen bearbeitet und abschließend ein Extended Abstract erstellt. Die Studierenden geben einander Peer‑Feedback, das in das Abstract einfließen soll. Anschließend wird das endgültige Abstract erstellt und abgegeben.

Die Übung gilt nur dann als bestanden, wenn

• 70% der maximal erreichbaren Prozentpunkte im Statistik-Coach, und
• 50% der maximal erreichbaren Punkte der Hausübungen
• 50% der maximal erreichbaren Punkte des Data Science Projekts

erreicht werden. Andernfalls wird ein negatives Zeugnis ausgestellt.

Das Gesamtergebnis $P$ der Lehrveranstaltung setzt sich Zusammen als gewichtete Summe der erreichten Prozentpunkte aus Coach-Beispielen, Hausübungen und Data Science Projekt:

P = 0.25 x Coach + 0.45 x HÜ + 0.3 x Data Science Projekt

unter Anwendung des folgenden Notenschlüssels:

In der Vorlesung werden die Statistik und Data Science Verfahren einführend erläutert und anhand von Anwendungsbeispielen erklärt. Viele Aspekte davon werden nicht in den Übungen behandelt und sind insbesondere für den Theorieteil der Prüfung relevant!

Die Vorlesungsprüfung setzt sich aus einem Theorieteil in Form eines schriftlicher Multiple Choice Tests eventuell mit Freitextfragen und dem Rechenteil zusammen.