311.236 (19W) Räumliche Datenanalyse
Überblick
- Lehrende/r
- LV-Titel englisch Spatial Data Analysis
- LV-Art Vorlesung
- Semesterstunde/n 2.0
- ECTS-Anrechnungspunkte 3.0
- Anmeldungen 5
- Organisationseinheit
- Unterrichtssprache Deutsch
- LV-Beginn 01.10.2019
- eLearning zum Moodle-Kurs
Zeit und Ort
Liste der Termine wird geladen...
LV-Beschreibung
Intendierte Lernergebnisse
Verständnis im Umgang mit räumlichen Daten
Fähigkeit zur Modellierung räumlicher Daten zum Zwecke der Strukturanalyse bzw. Vorhersage
Lehrmethodik inkl. Einsatz von eLearning-Tools
Vorlesung
Inhalt/e
- Räumliche Daten
- Interpolationsverfahren
- Trendanalyse (Lineare Modelle)
- Stationarität
- Variographie
- Vorhersage (Kriging)
Erwartete Vorkenntnisse
Stochastik 1 (und 2), Lineare Modelle (Grundlagen)
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
Bearbeitung einer Projektaufgabe mit abschließender Besprechung/Präsentation.
Prüfungsinhalt/e
Inhalte und Themen der Lehrveranstaltung
Beurteilungskriterien/-maßstäbe
Qualität der Ausarbeitung und Präsentation der Ergebnisse
Beurteilungsschema
Note BenotungsschemaPosition im Curriculum
- Bachelorstudium Technische Mathematik
(SKZ: 201, Version: 17W.1)
-
Fach: Angewandte Statistik
(Wahlfach)
-
9.4 Räumliche Datenanalyse (
2.0h VO / 3.0 ECTS)
- 311.236 Räumliche Datenanalyse (2.0h VO / 3.0 ECTS) Absolvierung im 5., 6. Semester empfohlen
-
9.4 Räumliche Datenanalyse (
2.0h VO / 3.0 ECTS)
-
Fach: Angewandte Statistik
(Wahlfach)
- Bachelorstudium Technische Mathematik
(SKZ: 201, Version: 12W.2)
-
Fach: Angewandte Statistik
(Wahlfach)
-
Räumliche Datenanalyse (
3.0h VU / 5.0 ECTS)
- 311.236 Räumliche Datenanalyse (2.0h VO / 3.0 ECTS)
-
Räumliche Datenanalyse (
3.0h VU / 5.0 ECTS)
-
Fach: Angewandte Statistik
(Wahlfach)
Gleichwertige Lehrveranstaltungen im Sinne der Prüfungsantrittszählung
-
Wintersemester 2017/18
- 311.236 VO Räumliche Datenanalyse (2.0h / 3.0ECTS)