Vorlesung Statistik (BWL & Steuern)
Dies ist die Webseite zur Vorlesung “Statistik” im Studiengang Betriebswirtschaft und Steuern (Bachelor) von Prof. Dr. Michael Bücker.
“Managers need to be able to access and understand the data themselves.” — Hal Varian
Warum Statistik?
Statistik ist im BWL-Studium kein Nebenfach für Formeln, sondern ein Werkzeug zum Verstehen von Daten, Unsicherheit und Entscheidungen. Ob Marktanalysen, Qualitätskontrolle, Personalfragen, Finance oder operative Prozesse: Überall dort, wo Daten erhoben, verdichtet und interpretiert werden, braucht es statistisches Denken.
Die Vorlesung vermittelt deshalb nicht nur Rechenverfahren, sondern eine analytische Perspektive auf betriebswirtschaftliche Fragestellungen: Welche Kennzahl ist sinnvoll? Wie belastbar ist eine Aussage auf Basis einer Stichprobe? Was sagt ein statistisches Ergebnis wirklich aus und wo beginnt die Fehlinterpretation?
Unser Zugang
Die Veranstaltung verbindet deskriptive Statistik, Wahrscheinlichkeitsrechnung und schließende Statistik mit einer klaren Anwendungsorientierung. Ausgehend von realistischen Beispielen lernen Sie, Daten zu strukturieren, Zusammenhänge zu beschreiben und aus Stichproben begründete Schlussfolgerungen zu ziehen.
Inhaltlich spannt die Vorlesung den Bogen von Häufigkeiten, Lage- und Streuungsmaßen über Zusammenhangsmaße und lineare Regression bis hin zu Wahrscheinlichkeitsverteilungen, Punktschätzung, Konfidenzintervallen, Hypothesentests und Inferenz im Regressionsmodell.
Ziel der Veranstaltung
Am Ende der Vorlesung können Sie:
- Daten systematisch beschreiben und zentrale Kennzahlen korrekt interpretieren
- Zusammenhänge analysieren und einfache Regressionsmodelle inhaltlich deuten
- Unsicherheit modellieren und Wahrscheinlichkeitsverteilungen zur Beschreibung zufälliger Prozesse einsetzen
- Schätz- und Testverfahren anwenden und Ergebnisse kritisch einordnen
- statistische Auswertungen in R nachvollziehen und für grundlegende Fragestellungen selbst umsetzen
Arbeiten mit R
R ist in dieser Vorlesung kein Selbstzweck, sondern ein Werkzeug für nachvollziehbare und reproduzierbare Datenanalyse. Sie lernen R schrittweise an konkreten Beispielen kennen und nutzen es dort, wo es hilft, statistische Konzepte sichtbar und praktisch anwendbar zu machen.
Warum ich R dafür weiterhin für eine sehr gute Wahl halte, habe ich in meinem Blogpost Warum ich 2026 noch immer mit R programmiere beschrieben.
Arbeitsweise
- Vorlesung: Konzepte, Methoden und Interpretation
- Übungsaufgaben: eigenständiges Anwenden und Vertiefen
- Selbststudium: Wiederholen, Nacharbeiten und methodisches Verständnis festigen
- Softwareeinsatz: ausgewählte Auswertungen in R nachvollziehen und umsetzen