312.240 (16W) Ausgewählte Kapitel der Statistik

Wintersemester 2016/17

Anmeldefrist abgelaufen.

Erster Termin der LV
04.11.2016 12:30 - 17:00 V.1.08 On Campus
... keine weiteren Termine bekannt

Überblick

Lehrende/r
LV-Titel englisch Selected Topics in Statistics
LV-Art Vorlesung-Übung (prüfungsimmanente LV )
Semesterstunde/n 3.0
ECTS-Anrechnungspunkte 5.0
Anmeldungen 11 (25 max.)
Organisationseinheit
Unterrichtssprache es wurde keine Unterrichtssprache angegeben
LV-Beginn 01.10.2016
eLearning zum Moodle-Kurs

Zeit und Ort

Liste der Termine wird geladen...

LV-Beschreibung

Intendierte Lernergebnisse

Ausgewählte Kapitel der Statistik: 

Regression, Klassifikation und statistisches Lernen 

(Regression, classification and statistical learning)


Unterrichtssprache: Deutsch

Folien und Literatur: Englisch



Lehrmethodik inkl. Einsatz von eLearning-Tools

Vortrag sowie Präsentationen der Studierenden

Inhalt/e

Regression and classification methods based on the classical linear model and its extensions constitute a core part of multivariate statistics. Over the last two decades various new approaches have been developed which are more appropriate for those data we currently collect in business intelligence (BI), information technology (IT), and biotechnology applications. Most of them relax parametric model assumptions and add additional flexibility when our task is fitting models to quantitative observations. Others are destined to perform predictive tasks. The latter belong to the group of statistical learning procedures. A methodological and computational challenge is the huge size and the high complexity of many data sets of interest.

Modern regression and classification techniques heavily rely on efficient computing. Statistical learning blends concepts of statistics and machine learning. In the lectures selected statistical approaches and appropriate computer concepts are introduced. A deeper understanding can be gained in exercises applying the open source statistics and graphics environment R.

Literatur

Zentral:

  • Gareth, J., Witten, D., Hastie, T. and Tibshirani, R (2013) An Introduction to Statistical Learning with Applications in R. New York: Springer.
  • Hastie, T., Tibshirani, R. and Friedman, J. (2009; 2nd edition) The Elements of Statistical Learning. Data Mining, Inference, and Prediction. New York: Springer.

Ergänzung

  • Efron, B. and Hastie, T. (2016) Computer Age Statistical Inference. Cambridge: Cambridge University Press.
  • Hastie, T., Tibshirani, R. and Wainwright, M. (2015) Statistical Learning with Sparsity. Boca Raton: CRC Press.
  • Schimek, M. G. (ed; 2000) Smoothing and Regression. Approaches, Computation and Application. New York: John Wiley.

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

Aktive Teilnahme, studentische Präsentationen zu ausgewählten statistischen Themen (aus obigen Büchern), 

Ausarbeitung von Übungsaufgaben (teilweise R-basiert).

Bei ausreichenden studentischen Beiträgen zur Lehrveranstaltung kann eine schriftliche Abschlussprüfung entfallen.

Beurteilungsschema

Note Benotungsschema

Position im Curriculum

  • Doktoratsprogramm Modeling-Analysis-Optimization of discrete, continuous and stochastic systems (SKZ: ---, Version: 16W.1)
    • Fach: Modeling-Analysis-Optimization of discrete, continuous and stochastic systems (Pflichtfach)
      • Modeling-Analysis - Optimization of discrete, continuous and stochastic systems ( 0.0h XX / 0.0 ECTS)
        • 312.240 Ausgewählte Kapitel der Statistik (3.0h VU / 5.0 ECTS)
  • Masterstudium Informationsmanagement (SKZ: 922, Version: 13W.2)
    • Fach: Freie Wahlfächer (Freifach)
      • Freie Wahlfächer ( 0.0h XX / 6.0 ECTS)
        • 312.240 Ausgewählte Kapitel der Statistik (3.0h VU / 5.0 ECTS)
  • Masterstudium Technische Mathematik (SKZ: 401, Version: 13W.1)
    • Fach: Angewandte Statistik (Wahlfach)
      • Ausgewählte Kapitel der Statistik ( 3.0h VU / 5.0 ECTS)
        • 312.240 Ausgewählte Kapitel der Statistik (3.0h VU / 5.0 ECTS)

Gleichwertige Lehrveranstaltungen im Sinne der Prüfungsantrittszählung

Diese Lehrveranstaltung ist keiner Kette zugeordnet