10  Prognosewettbewerb

Gegenstand dieser Prüfungsform ist eine Projektarbeit in Form eines Prognosewettbewerbs.

10.1 tl;dr: Zusammenfassung

Vorhersagen sind eine praktische Sache, zumindest wenn Sie stimmen. Wenn Sie den DAX-Stand von morgen genau vorhersagen können, rufen Sie mich bitte sofort an. Genau das ist Ihre Aufgabe in dieser Prüfungsleistung: Sie sollen Werte vorhersagen.

Etwas konkreter: Stellen Sie sich ein paar Studentis vor. Von allen wissen Sie, wie lange die Person für die Statistikklausur gelernt hat. Außerdem wissen Sie die Motivation jeder Person und vielleicht noch ein paar noten-relevante Infos. Und Sie wissen die Note jeder Person in der Statistikklausur. Auf dieser Basis fragt sie ein Student (Alois), der im kommenden Semester die Prüfung in Statistik schreiben muss will: “Sag mal, wenn ich 100 Stunden lerne und so mittel motiviert bin (bestenfalls), welche Note kann ich dann erwarten?”. Mit Hilfe Ihrer Analyse können Sie diese Frage (und andere) beantworten. Natürlich könnten Sie es sich leicht machen und antworten: “Mei, der Notendurchschnitt war beim letzten Mal 2.7. Also ist 2.7 kein ganz doofer Tipp für deine Note.” Ja, das ist keine doofe Antwort, aber man kann genauere Prognose machen, wenn man es geschickt anstellt. Da hilft Ihnen die Statistik (doch, wirklich).

Kurz gesagt gehen Sie so vor: Importieren Sie die Daten in R, starten Sie die nötigen R-Pakete und schauen Sie sich die Daten unter verschiedenen Blickwinkeln an. Dann nehmen Sie die vielversprechendsten Prädiktoren in ein Regressionsmodell und schauen sich an, wie gut die Vorhersage ist. Wiederholen Sie das ein paar Mal, bis Sie ein Modell haben, das Sie brauchbar finden. Mit diesem Modell sagen Sie dann die Noten der neuen Studis (Alois und Co.) vorher. Je genauer Ihre Vorhersage, desto besser ist Ihr Prüfungsergebnis.

10.2 Überblick

Neben der erklärenden, rückwärtsgerichteten Modellierung spielt insbesondere in der Praxis die vorhersageorientierte Modellierung eine wichtige Rolle: Ziel ist es, bei gegebenen, neuen Beobachtungen die noch unbekannten Werte der Zielvariablen \(y\) vorherzusagen, z.B. für neue Kunden auf Basis von soziodemographischen Daten den Kundenwert – möglichst genau – zu prognostizieren. Dies geschieht auf Basis der vorhandenen Daten der Bestandskunden, d.h. inklusive des für diese Kunden bekannten Kundenwertes.

Ihnen werden zwei Teildatenmengen zur Verfügung gestellt: Zum einen gibt es die Trainingsdaten (auch Lerndaten genannt) und zum anderen gibt es Anwendungsdaten (auch Testdaten genannt), auf die man das Modell anwendet.

  1. Bei den Trainingsdaten (Train-Sample) liegen sowohl die erklärenden Variablen (Prädiktoren, UV) als auch die Zielvariable \(y\) vor. Auf diesen Trainingsdaten wird ein Modell der Form y ~ x1 + x2 + ... berechnet.

  2. Dieses Modell wird auf den Testdatensatz, für den (Ihnen) die Werte der Zielvariable \(y\) unbekannt sind, angewendet. Der unbekannte Wert der Zielvariable \(y\) im Testdatensatz wird durch durch Ihr Modell, das mit den Prädiktoren des Testdatensatzes gefürttert wird, prognostiziert.

  3. Liegt zu einem noch späteren Zeitpunkt der echte Wert \(y\) vor, so kann die eigene Vorhersage auf ihre Genauigkeit hin evaluiert werden. Diesen Schritt erledigt die Lehrkraft für Sie.

10.3 Hauptziel: Genaue Prognose

Ihre Aufgabe ist: Spielen Sie den Data-Scientist! Konstruieren Sie ein Modell auf Basis der Trainingsdaten und sagen Sie für die Testdaten die Zielvariable möglichst genau voraus.

Ihr(e) Dozent*in kennt den Wert der Zielvariable. Sie nicht. 🤷‍♂️

Von zwei Prognosemodellen zum gleichen Datensatz ist dasjenige Modell besser, das weniger Vorhersagefehler aufweist (im Test-Datensatz), also genauer vorhersagt. Kurz gesagt: Genauer ist besser.

10.4 Prüfungsmaterial

10.4.1 Welches Prüfungsmaterial gibt es?

Es werden Ihnen im Rahmen der Prüfung drei (Text-)Dateien bereitgestellt:

  1. Trainings-Datensatz
  2. Test-Datensatz
  3. Data Dictionary

Beachten Sie, dass der Zugriff zum Prüfungsmaterial eingeschränkt sein kann (z.B. nur während der Prüfungszeit, nur nach Bestätigung der Kenntnis der Prüfungsbedingungen, nur für angemeldete Studentis).

10.4.2 Welche Variable ist vorherzusagen?

Welche Variable vorherzusagen ist (die AV), steht im Data Dictionary.

10.4.3 Wo finde ich das Prüfungsmaterial?

Alles Prüfungsmaterial findet sich auf der Moodle-Seite des entsprechenden Moduls (unter Umständen werden Sie dann auf einen anderen Moodlekurs weitergeleitet, aber Sie finden den Zugang stets auf der Moodleseite des betreffenden Moduls).

10.4.4 Wo reiche ich meine Ergebnisse ein?

Sie finden auf der betreffenden Moodleseite einen Abschnitt mit Namen “Einreichen Ihrer Projektarbeit” (o. Ä.). Reichen Sie dort Ihre Projektarbeit ein.

10.5 Zeitplan

Zu Beginn des offiziellen Prüfungszeitraums der Hochschule wird das Prüfungsmaterial veröffentlicht. Dann können Sie mit der Bearbeitung beginnen. Die Abgabefrist der Projektarbeit endet zeitgleich mit dem Verstreichen des Prüfungszeitraums der Hochschule. Während des Prüfungszeitraums haben Sie also Zeit, Ihre Projektarbeit (den Prognosewettbewerb) zu bearbeiten, s. Abbildung 12.2.

Abbildung 10.1: Zeitplan der Bearbeitung des Prognosewettbewerbs

10.6 Einzureichende Dateien

  1. Folgende Dateiarten sind einzureichen:

    1. Prognose: Ihre Prognose-Datei (CSV-Datei)
    2. Analyse: Ihr Analyseskript (R-, qmd-, Rmd-Notebook oder Rmd-Datei)

  2. Weitere Dateien sind nicht einzureichen.

  3. Komprimieren Sie die Dateien nicht (z.B. via zip).

  4. Der Name jeder eingereichte Datei muss wie folgt lauten: Nachname_Vorname_Matrikelnummer_Dateiart.Endung. Beispiel: Sauer_Sebastian_0123456_Prognose.csv bzw. Sauer_Sebastian_0123456_Analyse.qmd.

10.7 Zum Aufbau der einzureichenden Dateien

10.7.1 Spaltennamen der CSV-Datei

  1. Die CSV-Datei muss aus genau zwei Spalten mit exakt folgenden Spaltennamen bestehen:
  1. id: Den ID-Wert jedes vorhergesagten Wertes
  2. pred: Der vorhergesagte Wert.

  1. Übernehmen Sie falls vorhanden die vorgegebenen IDs für jede Zeile im Test-Sample. Ändern Sie die vorgegebene ID-Reihenfolge nicht. Sofern keine ID-Spalte im Test-Sample definiert ist, soll die ID einer Beobachtung ihrer Zeilennummer entsprechen (in der Reihenfolge, wie sie in der vom Prüfer ausgegebenen Datei vorliegt). Die erste Beobachtung (im Test-Sample) bekommt die ID 1, die zweite Beobachtung die ID 2, etc. Die ID ist als Zahl (reell oder ganzzahlig) zu formatieren.

  2. Die CSV-Datei muss als Spaltentrennzeichen ein Komma verwenden und als Dezimaltrennzeichen einen Punkt (d.h. also die Standardformatierung einer CSV-Datei; nicht die deutsche Formatierung).

  3. Die eingereichte CSV-Datei muss genau die Anzahl an Zeilen aufweisen, die der Zeilenlänge im Test-Datensatz entspricht.

  4. Prüfen Sie, dass Ihre CSV-Datei sich problemlos lesen lässt. Falls keine (funktionstüchtige) CSV-Datei eingereicht (hochgeladen) wurde, ist die Prüfung nicht bestanden. Tipp: Öffnen Sie die CSV-Datei mit einem Texteditor und schauen Sie sich an, ob alles vernünftig aussieht. Achtung: Öffnen Sie die CSV-Datei besser nicht mit Excel, da Excel einen Bug hat, der CSV-Dateien verfälschen kann auch ohne dass man die Datei speichert.

Tipp: Die CSV-Datei ist eine Textdatei. Öffnen Sie sie mit einem Texteditor, um zu sehen, ob sie sich “brav” öffnen lässt. Die ersten paar Zeilen Ihrer CSV-Datei im Texteditor sollten etwa so aussehen:

id, pred
1, 231
2, 324
3, 123

Wenn Sie die IDs nicht korrekt angeben, sind Ihre Prognosen praktisch Zufallswerte, also sehr ungenau. Achten Sie darauf, dass die IDs korrekt sind. \(\square\)

10.7.2 Hinweise zu den einzureichenden Dateien

  1. Folgende Dateiarten sind einzureichen:

    1. Prognose: Ihre Prognose-Datei (CSV-Datei)
    2. Analyse: Ihr Analyseskript (R-, Rmd-, qmd- oder Rmd-Notebook-Datei)

  2. Reichen Sie keine weiteren Dateien ein.

  3. Komprimieren Sie die Dateien nicht (z.B. via zip).

  4. Der Name jeder eingereichten Datei muss wie folgt lauten: Nachname_Vorname_Matrikelnummer_Dateiart.Endung. Beispiel: Sauer_Sebastian_0123456_Prognose.csv bzw. Sauer_Sebastian_0123456_Analyse.Rmd.

  5. Umlaute in ihren Dateinamen sind durch ASCII-Zeichen zu ersetzen (also Süß wird Suess etc.).

10.8 Gliederung Ihrer Analyse

Ihr Analysedokument stellt alle Ihre Schritte vor, die Sie im Rahmen der Bearbeitung der Prüfungsaufgabe unternommen haben, zumindest was die Analyse der Daten betrifft.

Das Dokument mischt drei Textarten: R-Syntax, R-Ausgaben sowie Prosa (d.h. Ihre Erklärung zu Ihrer Analyse). Alle drei Aspekte sind gleichermaßen wichtig für diese Analyse.

Wenn Sie das Dokument als R-Markdown-Datei (qmd- oder Rmd-Datei) anlegen, müssen Sie R-Code in einem “R-Chunk” auszeichnen. Prosa wird in Rmd-Datei als Standard gesehen, sie brauchen ihn nicht extra auszuzeichnen (für R-Notebook-Dateien gilt das Gleiche). In R-Skript-Dateien ist es umgekehrt: Sie müssen R-Code nicht extra auszeichnen, da in R-Skripten R als “Standard-Text” gesehen wird. Hingegen müssen Sie Prosa als Kommentar einfügen. Es bleibt Ihnen überlassen, für welche Variante (R-, Rmd- oder R-Notebook) Sie sich entscheiden. Keine Option wird als besser oder schlechter gewertet (vermutlich ist Rmd für Sie am einfachsten).

Sie können Ihr Analysedokument z.B. so gliedern:

  1. Forschungsfrage und Hintergrund (Beschreiben Sie kurz, worum es geht)
  2. Vorbereitung (Pakete laden, Daten importieren, etc.)
  3. Explorative Datenanalyse (Untersuchen Sie den Datensatz nach Auffälligkeiten, die Sie dann beim Modellieren nutzen)
  4. Modelle (z.B. via lm(av ~ uv))
  5. Vorhersagen (Vorhersage der Test-Daten anhand des besten Vorhersagemodells und Einreichen)

Die Gliederung ist kein Muss; andere Gliederung sind auch möglich. Entscheidend ist die fachliche Angemessenheit.

10.8.1 Abschnitt Forschungsfrage und Hintergrund

In diesem Abschnitt passiert noch keine Statistik bzw. keine Analyse. Stattdessen stellen Sie in “normaler Sprache”, also ohne intensiven Gebrauch vom (statistischem) Fachvokabular dar, was Ziel und was Hintergrund der Analyse ist. Sie können als Ziel bzw. Hintergrund den formalen Aspekt der Prüfung anführen, wichtiger sind aber inhaltliche bzw. fachliche Überlegungen: Worum geht es in der Analyse? Warum ist die Frage wichtig? Was wird untersucht? Anhand welcher Methodik wird die Frage untersucht?

Eine viertel bis halbe Seite sollte für diesen Abschnitt reichen.

10.8.2 Vorbereitung

In diesem Abschnitt Ihres Analysedokuments führen Sie die technische Vorbereitung durch. Das betrifft vor allem das Importieren der Daten und das Starten aller R-Pakete, die in der Analyse verwendet werden.

Zum Importieren der Daten gehen Sie bitte so vor: Legen Sie für diese Analyse ein Projekt in Rstudio an. Speichern Sie in diesem Ordner (auf der Wurzelebene, nicht in Unterverzeichnissen) die zu analyiserenden Daten. Ändern Sie nicht den Dateinamen der Daten. Importieren Sie die Daten z.B. auf folgende Weise: d_train <- read_csv("d_train.csv) bzw. d_test <- read_csv("d_test.csv"). Auf diese Weise ist die Reproduzierbarkeit Ihrer Analyse sichergestellt.

10.8.3 Explorative Datenanalyse

Die explorative Datenanalyse (EDA) meint sowohl die deskriptive Statistik als auch die Datenvisualisierung. Typische Schritte sind: das Bearbeiten (oder Entfernen) von Extremwerten und fehlenden Werten, die Untersuchung von Verteilungsformen oder das Suchen nach Mustern (Korrelationen, Gruppenunterschieden). Ein nützliches Ergebnis ist z.B. zu erkennen, welche Variablen sich als Prädiktoren eignen (für den nächsten Abschnitt der Modellierung). Ziel ist, dass Sie den folgenden Schritt vorbereiten, also Schritte unternehmen, damit Sie die AV möglichst gut vorhersagen können.

10.8.4 Modellierung

In diesem Schritt berechnen Sie Prognosemodelle. Das sind oft lineare Modelle, also etwa lm(av ~ uv). Es empfiehlt sich, mehrere Modelle zu berechnen und zu schauen, welches dieser Kandidaten am besten ist. Die Güte eines Prognosemodells bemisst sich letztlich nur an der Präzision der Vorhersage neuer Daten, also des Test-Datensatzes. Wie gut Ihre Vorhersagen also wirklich sind, erfahren Sie erst mit der Notenbekanntgabe. Allerdings können Sie die Trainingsdaten nutzen, um die Güte Ihrer Modelle abzuschätzen.

10.8.5 Vorhersagen

Schließlich entscheiden Sie sich für einen Modellkandidaten. Diesen Modellkandidaten nehmen Sie her, um die (Ihnen unbekannten) Werte der AV (Zielvariablen) vorherzusagen. Diese Vorhersagen - zusammen mit der ID für jede Vorhersagen - speichern Sie als (reguläre) CSV-Datei ab und reichen Sie als Ihre Prüfungsleistung ein, zusammen mit Ihrer Analysedatei.

10.9 Tipps

10.9.1 Tipps für eine gute Prognose

  • Schauen Sie in die Literatur.

  • Lesen Sie sich die Hinweise durch.

  • Stellen Sie sicher, dass Sie wissen, wo das Prüfungsmaterial bereitgestellt ist und schauen Sie es sich rechtzeitig an.

  • Evtl. kann eine Datenvorverarbeitung (Variablentransformation, z.B. \(\log()\) oder die Elimination von Ausreißern) helfen.

  • Überlegen Sie sich Kriterien zur Modell- und/ oder Variablenauswahl. Auch hierfür gibt es Algorithmen und R-Funktionen.

  • Vermeiden Sie Über-Anpassung (Overfitting).

  • Vermeiden Sie viele fehlende Werte bei Ihrer Prognose. Fehlende Werte werden bei der Benotung mit dem Mittelwert (der vorhandenen Prognosewerte Ihrer Einreichung) aufgefüllt.

  • Arbeiten Sie die bereitgestellten Fallstudien durch. Wenn Sie mehr tun möchten, finden Sie im Internet eine Fülle von weiteren Fallstudien.

  • Ihren Datensatz wiederum in eine Train- und einen Test-Datensatz aufzuteilen, kann helfen, Overfitting zu vermeiden. Dazu berechnen Sie Ihr Modell in Ihrem Train-Datensatz und überprüfen die Modellgüte in Ihrem Test-Datensatz.

10.9.2 Tipps zur Datenverarbeitung

  • Ein “deutsches” Excel kann Standard-CSV-Dateien nicht ohne Weiteres lesen. Online-Dienste wie Google Sheets können dies allerdings.

  • Zu Beginn des Skripts sollten alle verwendeten R-Pakete mittels library() gestartet werden.

  • Sie können die Daten von Ihrer Festplatte aus importieren (auch wenn das die Reproduzierbarkeit einschränkt).

10.9.3 FAQ-Liste

  • Frage: “Wieso haben Sie gesagt, meine Arbeit wurde nicht eingereicht. Ich habe doch eingereicht!”. – Antwort: Prüfen Sie, ob Sie die richtigen Dateien im richtigen Format eingereicht haben. Lesen Sie dazu auch die Hinweise oben.

  • Frage: “Kann man durchfallen, wenn die CSV-Datei nicht richtig aufgebaut ist?” – Antwort: Ja, wenn die CSV-Datei mit der Prognose nicht richtig aufgebaut ist, führt das zum Nichtbestehen der Prüfung.

  • Frage: “Ich habe statt einer CSV-Datei eine Excel-Datei mit den Prognosen eingereicht. Das ist doch auch okay, oder? – Antwort: Nein, eine Excel-Datei ist nicht zulässig.

  • Frage: “Wie kann ich Ihre Korrektur einsehen? – Antwort: Die Korrektur ist die Angabe Ihrer Vorhersage- bzw. Modellgüte. Diese habe ich Ihnen mitgeteilt. Es steht Ihnen frei, diesen Kennwert nachzurechnen ggf. mich anzusprechen, falls Sie zu einem anderen Wert kommen.

  • Frage: “Kann ich die Prüfung im Folgesemester wiederholen, wenn ich durchgefallen bin? – Antwort: Ja, das ist möglich. Lesen Sie dazu die Hinweise zu Wiederholungsprüfung.

  • Frage: “Gibt es eine Musterlösung?” – Antwort: Die Fallstudien und Erläuterungen im Kursbuch bzw. aus dem Unterricht stellen alle Bestandteile bereit für eine sehr gute Note. Eine Musterlösung für die Fragestellung der Prüfung wird i.d.R. nicht veröffentlicht, da damit u.U. die Prüfungen in den Folgesemestern einfacher wären, als es für Sie der Fall war. Aber: Es gibt eine Liste mit Lieblingsfehlern, die typische Fehler und ihre Vermeidung/Lösung erläutert.

  • Frage: “Wieso sind meine Vorhersagen so schlecht? Ich hatte doch ein cooles Modell. Okay, irgendwas mit meinen IDs war nicht richtig, aber kann sich das so sehr auswirken?” – Antwort: Ja, das kann sich extrem auswirken. Wenn Sie die IDs nicht korrekt angeben, sind Ihre Prognosen praktisch Zufallswerte, also sehr ungenau. Achten Sie darauf, dass die IDs korrekt sind.

10.10 Bewertung

10.10.1 Kriterien

  • Es gibt drei Bewertungskriterien:

    • Formalia: u.a. Reproduzierbarkeit der Analyse, Lesbarkeit der Syntax, Übersichtlichkeit der Analyse.

    • Methode: u.a. methodischer Anspruch und Korrektheit in der Explorativen Datenanalyse, Datenvorverarbeitung, Variablenauswahl und Modellierungsmethode.

    • Inhalt: Vorhersagegüte.

Das zentrale Bewertungskriterium ist Inhalt; die übrigen beiden Kriterien fließen nur bei besonders guter oder schlechter Leistung in die Gesamtnote ein. Die Gesamtnote muss sich nicht als arithmetischer Mittelwert der Teilnoten ergeben. Es werden keine Teilnoten vergeben, sondern nur eine Gesamtnote wird vergeben. Es werden keine Hinweise vergeben, stattdessen gibt es einen Überblick an typischen Fehlern. Es wird i.d.R. keine Musterlösung veröffentlicht, um nachfolgende Kohorten nicht zu bevorteilen bzw. die aktuelle Kohorte nicht zu benachteiligen.

10.10.2 Kennzahl der Modellgüte

Die Güte der Vorhersage wird anhand des RMSE bemessen.

10.10.3 Notenstufen

Zur Vorhersagegüte: Die Vorhersagegüte eines einfachen Minimalmodells entspricht einer \(4,0\), die eines Referenzmodells des Dozenten einer \(2,0\).

Ihre Bewertung erfolgt entsprechend Ihrer Vorhersagegüte, d.h., sind Sie besser als das Referenzmodell erhalten Sie hier in diesem Teilaspekt eine bessere Note als \(2,0\)!

10.10.4 Bewertungsprozess

Der Gutachter legt im Nachgang der Prüfung alle Teilnehmis ihre jeweilige Wert der Kennzahl der Modellgüte offen. Außerdem werden die vorherzusagenden Daten veröffentlicht sowie die Grenzwerte für jede Notenstufe. Auf dieser Basis ist es allen Teilnehmis möglich, die Korrektheit Ihrer Note selbständig zu überprüfen.

10.10.5 Einsichtnahme

In der Regel gibt es keine “Einsichtnahme”. Der Grund ist einfach: Sie bekommen mit der Note den Wert Ihrer Modellgüte mitgeteilt. Darüber hinaus wird (zumeist) keine Bewertung durchgeführt. In diesem Fall gibt es also neben der Modellgüte keine weiteren Korrekturhinweise und damit nichts, was eingesehen werden könnte.

Beachten Sie, dass Sie den vom Prüfer angegebenen Wert Ihrer Modellgüte selber nachrechnen können - das ist besser als eine Einsichtnahme.

Wenn Sie der Meinung sind, dass Ihre Arbeit doch eigentlich besser sein müsste, als es Ihre Note widerspiegelt, kann ein Blick in die Liste der “Lieblingsfehler” nützen. Vielleicht finden Sie auf jener Liste auch einen (oder mehrere Fehler), die Sie auch in Ihrer eigenen Analyse finden.

10.10.6 Freie Wahl in der Methodik

Sie haben freie Wahl bei der Modellierung und Vorverarbeitung. Nutzen Sie den Stoff wie im Unterricht gelernt; Sie können aber auch auf weitere Inhalte, die nicht im Unterricht behandelt wurden, zugreifen. (Die freie Wahl gilt nicht für die Formalia und Randbedingungen; auch nicht für die zu verwendende Software und Programmiersprachen.)

Eine Einführung in verschiedene Methoden gibt es z.B. bei Sebastian Sauer (2019): Moderne Datenanalyse mit R1 aber auch bei Max Kuhn und Julia Silge (2021): Tidy Modeling with R.2. Die Bücher beinhalten jeweils Beispiele und Anwendung mit R.

Auch ist es Ihnen überlassen, welche Variablen Sie zur Modellierung heranziehen – und ob Sie diese eventuell vorverarbeiten, d.h., transformieren, zusammenfassen, Ausreißer bereinigen o.Ä.. Denken Sie nur daran, die Datentransformation, die Sie auf den Trainingsdaten durchführen, auch auf den Testdaten (Anwendungsdaten) durchzuführen.

Hinweise zur Modellwahl usw. gibt es auch in erwähnter Literatur, aber auch in vielen Büchern zum Thema Data-Science.

Alles, was Sie tun, Datenvorverarbeitung, Modellierung und Anwenden, muss transparent sein.

Im Übrigen lautet die Aufgabe: Finden Sie ein Modell, von dem Sie glauben, dass es die Testdaten gut vorhersagt. \(\hat{y}=42\) ist zwar eine schöne Antwort, trifft die Wirklichkeit aber leider nicht immer. Eine gute Modellierung auf den Trainingsdaten (z.B. hohes \(R^2\)) bedeutet nicht zwangsläufig eine gute Vorhersage (Test-Set).

10.11 Formalia

  1. Es sind nur Einzelarbeiten zulässig.

  2. In der Analyse muss als Ausgangspunkt der vom/von der Dozenten/in bereitgestellten Datensatz genutzt werden.

  3. Alle Analyseschritte bzw. alle Veränderungen an den Daten müssen im (eingereichten) Analyseskript nachvollziehbar aufgeführt sein. Das Analyseskript ist als R-Skript, qmd-Datei, Rmd-Datei oder Rmd-Notebook-Datei abzugeben. Sie können die bereitgestellte Vorlage als Analyseskript nutzen (Template-Dokumentation-Vorhersagemodellierung.Rmd).

  4. Das Analyseskript muss grundsätzlich funktionstüchtig für den Prüfer sein: Alle Befehle müssen ohne Fehlermeldung durchlaufen. Ausnahmen: a) Installation fehlender Pakete, b) Daten sollen aus der Wurzelebene des Projektordners importiert werden..

  5. Es dürfen keine weiteren Informationen (Daten) als die vom Dozenten ausgegebenen verwendet werden. Sonstige Hilfe (z.B. von Dritten) ist ebenfalls unzulässig.

  6. Nichtbeachtung der für dieses Modul formulierten Regeln kann zu Nichtbestehen oder Punkteabzug führen.

  7. Der Schwerpunkt dieser Hausarbeit liegt auf der quantitativen Modellierung, der formale Anspruch liegt daher unter dem von anderen Hausarbeiten.

  8. Es muss keine Literatur zitiert werden.

  9. Ein ausgedrucktes Exemplar muss nicht abgegeben werden.

  10. Während der Prüfungsphase werden keine inhaltlichen Fragen (“wie macht man nochmal eine Log-Transformation?”) und keine technischen Fragen (“wie installiert man nochmal ein R-Paket?”) beantwortet.

  11. Die eingereichten Arbeiten können automatisiert auf Plagiate überprüft werden. Gibt es substanzielle Überschneidungen zwischen zwei (oder mehr) Arbeiten, werden alle betreffenden Arbeiten mit ungenügend bewertet oder es folgt eine Abwertung der Note.

10.12 Ich brauche Hilfe!

10.12.1 Wo finde ich Beispiele und Vorlagen?

Im Rahmen des Unterrichts wurden mehrere Fallstudien erarbeitet bzw. bereitgestellt, diese dienen Ihnen als ideale Vorlage.

Eine Beispiel-Modellierung finden Sie in der Datei Beispielanalyse-Prognose-Wettbewerb.Rmd. Eine beispielhafte Vorlage (Template), die Sie als Richtschnur nutzen können, ist mit der Datei Template-Vorhersagemodellierung.Rmd hier bereitgestellt.

Im Internet finden sich viele Fallstudien, von denen Sie sich inspirieren lassen können.

10.12.2 Probeprüfung für den Prognosewettbewerb

Ja, hier. In diesem Ordner liegen die Dokumente, die Sie für die echte Prüfung auch bekommen:

  1. Train-Datensatz
  2. Test-Datensatz
  3. Hinweise zur vorherzusagenden Variablen

10.12.3 Materialsammlung

In diesem Ordner finden Sie eine Materialsammlung zum Prognosewettbewerb.

10.12.4 Videos

Diese Playlist beinhaltet Videos, die die Rahmenbedingungen der Prüfungsleistung vorstellt.

  1. https://link.springer.com/book/10.1007/978-3-658-21587-3↩︎

  2. https://www.tmwr.org/↩︎