Skip to content
Technische Universität Berlin Deutsch
Course catalog and module transfer system

Research Methods for EngineersModule description #50234 / Version 4

← Module page Deutsche Fassung
This module description is not valid in the current semester (Winter semester 2026/27). Current version (v7)
Module / Version#50234 / #4
ValidityWS 2017/18 – Summer semester 2021
Available language(s)German
Credit points9
Person responsible for the moduleMüller-Plath, Gisela
GradingGraded
Exam formatPortfolio examination
Language(s) of instructionGerman

Affiliation

FacultyFakultät V
InstituteInstitut für Psychologie und Arbeitswissenschaft (IPA)
Academic chair35321300 FG Methodenlehre und Maritime Psychologie

Contact

OfficeMAR 3-2
Contact personMüller-Plath, Gisela
E-mail addressgisela.mueller-plath@tu-berlin.de
WebsiteNot specified

Learning outcomes

Das Modul dient der Vermittlung von Grundkenntnissen der deskriptiven Statistik und Inferenzstatistik sowie der Konzeption und Auswertung empirischer Untersuchungen. Zudem werden Kenntnisse der Open-Source-Statistiksoftware R vermittelt.

Content

Statistik: Uni- und bivariate deskriptive Statistik. Mengen und Abbildungen, Grundlagen der Wahrscheinlichkeitsrechnung, Zufallsvariablen und deren Verteilung, Stichprobenverteilungen. Inferenzstatistik: Parameterschätzung, Vertrauensintervalle, Hypothesentests: z-und t-Tests über einen und zwei Erwartungswerte, einfaktorielle Varianzanalyse, Test über die Unabhängigkeit zweier Variablen, einfache lineare Regression. Versuchsplanung: Die Teilnehmer/innen lernen an einfachen Beispielen, wie man empirisch untersuchbare Fragestellungen formuliert, unabhängige und abhängige Variablen und ihren Variablentyp bestimmt, Störvariablen kontrolliert, Hypothesen formuliert, hypothesengeleitet geeignete statistische Auswertungsverfahren wählt, entsprechende Betrachtungen zu Power und Stichprobengrößen anstellt und die Datenerhebung plant. An simulierten Datensätzen wird die konkrete Ergebnisdarstellung, statistische Auswertung und Interpretation eingeübt.

Module components

Compulsory area

The following courses are mandatory for this module:

CoursesTypeNumberFrequencyLanguageHours per weekCourse catalog
Einführung in die Statistik-Software R IExercise0532 L 406 Winter and summer semester[de]1 ISIS
Einführung in die Statistik-Software R IIExercise0532 L 406s Winter and summer semester[de]1 ISIS
Hausaufgabentutorium ITutorial0532 L 608 Winter and summer semester[de]1 ISIS
Hausaufgabentutorium IITutorial0532 L 608s Winter and summer semester[de]1 ISIS
Statistik und Versuchsplanung IIntegrated course0532 L 606 Winter and summer semester[de]2 ISIS
Statistik und Versuchsplanung IIIntegrated course0532 L 606s Winter and summer semester[de]2 ISIS

Courses in the course catalog

Courses created from the teaching units of this module.

Winter semester 2026/27 (9)

Einführung in die Statistik-Software R I (Exercise) 2

All groups of this course in the catalog

Einführung in die Statistik-Software R II (Exercise) 2

All groups of this course in the catalog

Hausaufgabentutorium I (Tutorial) 2

All groups of this course in the catalog

Hausaufgabentutorium II (Tutorial) 2

All groups of this course in the catalog

Statistik und Versuchsplanung I (Integrated course) 1

All groups of this course in the catalog

Workload and credit points

Einführung in die Statistik-Software R I (Exercise)

Workload descriptionMultiplierHoursTotal
Präsenzzeit150.75 h11.25 h
11.25 h

Einführung in die Statistik-Software R II (Exercise)

Workload descriptionMultiplierHoursTotal
Präsenzzeit150.75 h11.25 h
11.25 h

Hausaufgabentutorium I (Tutorial)

Workload descriptionMultiplierHoursTotal
Präsenzzeit5.51.5 h8.25 h
8.25 h

Hausaufgabentutorium II (Tutorial)

Workload descriptionMultiplierHoursTotal
Präzenzzeit5.51.5 h8.25 h
8.25 h

Statistik und Versuchsplanung I (Integrated course)

Workload descriptionMultiplierHoursTotal
Bearbeitung der Hausaufgaben76 h42 h
Präsenzzeit151.5 h22.5 h
Prüfungsvorbereitung124 h24 h
Vor-/Nachbereitung152 h30 h
118.5 h

Statistik und Versuchsplanung II (Integrated course)

Workload descriptionMultiplierHoursTotal
Bearbeitung der Hausaufgaben66 h36 h
Präsenzzeit151.5 h22.5 h
Prüfungsvorbereitung124 h24 h
Vor-/Nachbereitung152 h30 h
112.5 h

The workload of the module adds up to 270 hours. The module therefore comprises 9 credit points.

Description of teaching and learning methods

Im Rahmen der integrierten Veranstaltungen wechseln sich vorlesungsähnliche Lehrphasen, die der Vermittlung der statistischen Inhalte dienen, und Übungsphasen mit dem Ziel einer anwendungsorientierten Vertiefung ab. Im R-Kurs wird der softwaregestützte Einsatz der vorgestellten statistischen Analyseverfahren jeweils anhand konkreter Datensätze eingeübt. Zudem erfolgt die praktische Vertiefung der theoretischen Lehrinhalte, indem die Studierenden in Kleingruppen Hausaufgaben lösen.

Requirements for participation and examination

Desirable prerequisites for participation in the courses:

This module has no desirable prerequisites for the courses.

Mandatory requirements for the module examination registration:

This module has no examination requirements.

Completion of the module

GradingGraded
Exam formatPortfolio examination
Type of portfolio examination100 points in total
LanguageGerman

Test elements

NamePoints/WeightCategoryDuration/Extent
(1) Hausaufgaben WS12variabel
(2) Mündliche Rücksprache WS3820 Minuten
(3) Hausaufgaben SS12variabel
(4) Mündliche Rücksprache SS3820 Minuten

Exam description

Es können maximal 100 Punkte erreicht werden. Notenschlüssel:

Punkte Note
----------------------
100- 95 1.0
94 - 90 1.3
89 - 85 1.7
84 - 80 2.0
79 - 75 2.3
74 - 70 2.7
69 - 65 3.0
64 - 60 3.3
59 - 55 3.7
54 - 50 4.0
49 - 0 5.0

Duration of the module

The following number of semesters is estimated for taking and completing the module: 2 semester(s).

This module can be started in the following semesters: Winter and summer semester.

Maximum number of participants

The maximum capacity of participants is 50.

Registration procedures

Gemäß § 39 (3) endet die Anmeldefrist am 31. Mai im Sommersemester und am 30. November im Wintersemester.

Recommended reading, lecture notes

Lecture notes

unavailable

Electronic lecture notes

unavailable

Recommended literature

  • Ross, S.M. (2006). Statistik für Ingenieure und Naturwissenschaftler. 3. Aufl. Heidelberg: Spektrum Akademischer Verlag.

Assigned programs

This module is not used in any program.

Pflichtmodul (nach Vorwissen) im Masterstudiengang Human Factors M.Sc.; das Modul steht jedoch auch Studierenden anderer Studienfächer offen, sofern Kapazität vorhanden.

Miscellaneous

Not specified