311.186 (23W) Übungen zu Regressionsmodelle

Wintersemester 2023/24

Anmeldefrist abgelaufen.

Erster Termin der LV
03.10.2023 13:00 - 14:00 N.0.07 On Campus
... keine weiteren Termine bekannt

Überblick

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 10 (25 max.)
Organisationseinheit
Unterrichtssprache Deutsch
mögliche Sprache/n der Leistungserbringung Deutsch , Englisch
LV-Beginn 03.10.2023
eLearning zum Moodle-Kurs

Zeit und Ort

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

- 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

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 2022/23
  • 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)