311.186 (22W) Übungen zu Regressionsmodelle

Wintersemester 2022/23

Anmeldefrist abgelaufen.

Erster Termin der LV
04.10.2022 14:00 - 15:00 N.0.07 On Campus
... keine weiteren Termine bekannt

Überblick

Bedingt durch die COVID-19-Pandemie können kurzfristige Änderungen bei Lehrveranstaltungen und Prüfungen (z.B. Absage von Präsenz-Lehreveranstaltungen und Umstellung auf Online-Prüfungen) erforderlich sein.

Weitere Informationen zum Lehrbetrieb vor Ort finden Sie unter: https://www.aau.at/corona.
Lehrende/r
LV-Titel englisch Regression Models, exercises
LV-Art Übung (prüfungsimmanente LV )
LV-Modell Präsenzlehrveranstaltung
Semesterstunde/n 1.0
ECTS-Anrechnungspunkte 2.0
Anmeldungen 12 (25 max.)
Organisationseinheit
Unterrichtssprache Deutsch
mögliche Sprache/n der Leistungserbringung Deutsch
LV-Beginn 04.10.2022
eLearning zum Moodle-Kurs

Zeit und Ort

Beachten Sie bitte, dass sich aufgrund von COVID-19-Maßnahmen die derzeit angezeigten Termine noch ändern können.
Liste der Termine wird geladen...

LV-Beschreibung

Intendierte Lernergebnisse

Die Studierenden sind nach erfolgreicher Absolvierung des Faches in der Lage

  • Regressionsmodelle zu formulieren,
  • Parameterschätzungen in Regressionsmodellen durchzuführen und und die Ergebnisse zu interpretieren,
  • geschätzte Modelle auf ihre Voraussetzungen (etwa funktionale Form, Missspezifikation, Heteroskedastizität) zu überprüfen,
  • die theoretischen Grundlagen aus der Vorlesung einzuordnen bzw. anzuwenden.

Lehrmethodik

Übungsaufgaben, Computereinsatz (Statistiksoftware R)

Inhalt/e

Schätzen und Testen im einfachen und multiplen linearen Regressionsmodell mit metrischen und kategorialen Prädiktoren. Generalisierte lineare Modelle.

Erwartete Vorkenntnisse

TBA

Literatur

Fahrmeier, Kneib, Lang (2009). Regression: Modelle, Methoden und Anwendungen. Springer-Verlag.

Prüfungsinformationen

Im Fall von online durchgeführten Prüfungen sind die Standards zu beachten, die die technischen Geräte der Studierenden erfüllen müssen, um an diesen Prüfungen teilnehmen zu können.

Prüfungsmethode/n

Präsentation der Übungsbeispiele an der Tafel und am Computer in R, Projektarbeit.

Prüfungsinhalt/e

Übungsaufgaben zum Stoff der Vorlesung.

Beurteilungskriterien/-maßstäbe

Die Note ergibt sich aus

  • der Anzahl gekreuzter Beispiele
  • Mitarbeit/Tafelleistung
  • Projektarbeit

Beurteilungsschema

Note Benotungsschema

Position im Curriculum

  • Bachelorstudium Technische Mathematik (SKZ: 201, Version: 17W.1)
    • Fach: Stochastik (Pflichtfach)
      • 6.5 Lineare Modelle ( 1.0h UE / 2.0 ECTS)
        • 311.186 Übungen zu Regressionsmodelle (1.0h UE / 2.0 ECTS)
          Absolvierung im 5. Semester empfohlen
  • Bachelorstudium Technische Mathematik (SKZ: 201, Version: 22W.1)
    • Fach: Stochastik (Pflichtfach)
      • 6.6 Regressionsmodelle ( 1.0h UE / 2.0 ECTS)
        • 311.186 Übungen zu Regressionsmodelle (1.0h UE / 2.0 ECTS)
          Absolvierung im 5. Semester empfohlen

Gleichwertige Lehrveranstaltungen im Sinne der Prüfungsantrittszählung

Wintersemester 2023/24
  • 311.186 UE Übungen zu Regressionsmodelle (1.0h / 2.0ECTS)
Wintersemester 2021/22
  • 311.186 UE Übungen zu Lineare Modelle (1.0h / 2.0ECTS)
Wintersemester 2020/21
  • 311.186 UE Übungen zu Lineare Modelle (1.0h / 2.0ECTS)
Wintersemester 2019/20
  • 311.186 UE Übungen zu Lineare Modelle (1.0h / 2.0ECTS)
Wintersemester 2018/19
  • 311.186 UE Übungen zu Lineare Modelle (1.0h / 2.0ECTS)
Wintersemester 2017/18
  • 311.186 UE Lineare Modelle (1.0h / 2.0ECTS)