311.185 (23W) Regressionsmodelle
Überblick
- Lehrende/r
- LV-Titel englisch Regression Models
- LV-Art Vorlesung
- LV-Modell Präsenzlehrveranstaltung
- Semesterstunde/n 2.0
- ECTS-Anrechnungspunkte 3.0
- Anmeldungen 15
- Organisationseinheit
- Unterrichtssprache Deutsch
- mögliche Sprache/n der Leistungserbringung Deutsch , Englisch
- LV-Beginn 03.10.2023
- eLearning zum Moodle-Kurs
Zeit und Ort
LV-Beschreibung
Intendierte Lernergebnisse
Die Studierenden sind nach Absolvierung der Lehrveranstaltung in der Lage, Regressionsmodelle zu formulieren und auf Daten anzuwenden, sowie wichtige statistische Eigenschaften zu formulieren und deren Herleitung zu beweisen.
Lehrmethodik
Vorlesung mit interaktiven Elementen
Inhalt/e
- Klassische lineare Modelle (Definitionen, Schätzen, Testen, Modellwahl und Variablenselektion)
- Erweiterungen (allgemeines lineares Modell, Regularisierung, Boosting, bayesianischer Zugang)
- Generalisierte lineare Modelle (Logit/Probit, Zähldatenmodelle, bayesianischer Zugang)
- Weitere Themen je nach Interesse/Zeit, etwa: Ordinale Modelle, mixed models, nichtparametrische Regression
Erwartete Vorkenntnisse
- elementare Arithmetik
- lineare Algebra (insbesondere Matrizenrechnung)
- Grundlagen der Wahrscheinlichkeitsrechnung
- Arbeiten mit Verteilungen
- R oder ähnliche Skriptsprache
Literatur
Fahrmeier, Kneib, Lang, Marx (2021): Regression. Models, Methods and Applications (2nd edition). Springer.
Fahrmeier, Kneib, Lang (2009): Regression. Modelle, Methoden und Anwendungen. Springer.
Prüfungsinformationen
Prüfungsmethode/n
Schriftliche Leistungsüberprüfung in deutscher Sprache. Prüfungstermine: letzter LV-Termin, sowie drei weitere Termine am Anfang, in der Mitte, und am Ende des darauffolgenden Semesters bzw. nach Vereinbarung.
Prüfungsinhalt/e
Inhalte der Vorlesung.
Beurteilungskriterien/-maßstäbe
Schriftliche Leistungsüberprüfung.
Beurteilungsschema
Note BenotungsschemaPosition im Curriculum
- Bachelorstudium Technische Mathematik
(SKZ: 201, Version: 17W.1)
-
Fach: Stochastik
(Pflichtfach)
-
6.5 Lineare Modelle (
2.0h VO / 3.0 ECTS)
- 311.185 Regressionsmodelle (2.0h VO / 3.0 ECTS) Absolvierung im 5. Semester empfohlen
-
6.5 Lineare Modelle (
2.0h VO / 3.0 ECTS)
-
Fach: Stochastik
(Pflichtfach)
- Bachelorstudium Technische Mathematik
(SKZ: 201, Version: 22W.1)
-
Fach: Stochastik
(Pflichtfach)
-
6.6 Regressionsmodelle (
2.0h VO / 3.0 ECTS)
- 311.185 Regressionsmodelle (2.0h VO / 3.0 ECTS) Absolvierung im 5. Semester empfohlen
-
6.6 Regressionsmodelle (
2.0h VO / 3.0 ECTS)
-
Fach: Stochastik
(Pflichtfach)
Gleichwertige Lehrveranstaltungen im Sinne der Prüfungsantrittszählung
-
Wintersemester 2022/23
- 311.185 VO Regressionsmodelle (2.0h / 3.0ECTS)
-
Wintersemester 2021/22
- 311.185 VO Lineare Modelle (2.0h / 3.0ECTS)
-
Wintersemester 2020/21
- 311.185 VO Lineare Modelle (2.0h / 3.0ECTS)
-
Wintersemester 2019/20
- 311.185 VO Lineare Modelle (2.0h / 3.0ECTS)
-
Wintersemester 2018/19
- 311.185 VO Lineare Modelle (2.0h / 3.0ECTS)
-
Wintersemester 2017/18
- 311.185 VO Lineare Modelle (2.0h / 3.0ECTS)