Angewandte Statistik und prädiktive Methoden

Modulgruppe: Mathematik

Der erste Teil des Moduls liefert eine kurze Einführung in Grundbegriffe der Statistik wie Konfidenzintervalle und Hypothesentests und diskutiert anschließend lineare Modelle und die logistische Regression. Im zweiten Teil des Moduls werden Methoden der angewandten Statistik zur Entwicklung von Prädiktionsmodellen unter statistischer Unsicherheit und deren Bewertung behandelt.

Präsenztermine:

• Samstag, 14. April 2018, 09:00 - 17:00 Uhr
• Freitag, 25. Mai 2018, 09:00 - 17:00 Uhr
• Freitag, 6. Juni 2018, 09:00 - 17:00 Uhr

Prüfungstermine:

• Freitag, 20. Juli 2018, Uhrzeit und Räumlichkeiten werden zeitnah bekannt gegeben
• Freitag, 12. Oktober 2018, Uhrzeit und Räumlichkeiten werden zeitnah bekannt gegeben

  

Modulhandbuch

Das Modulhandbuch finden Sie hier.

Inhalte des Moduls

  • Regressionsmodelle
  • Varianzanalyse
  • logistische Regression
  • Prädikation: Plug-In, Bootstrap, Bayes
  • Prädikation: Diskriminierung, Kalibrierung, Scoring: Plug-In, Bootstrap, Bayes
  • Prädiktion unter statistischer Unsicherheit

Lernziele

Das Modul Angewandte Statistik und prädiktive Methoden beinhaltet eine erste Einführung in fortgeschrittene statistische Methoden. Die Studierenden können zu einem gegebenen Datensatz eine Varianzanalyse mit Hilfe statistischer Software (insb. R) berechnen.

Lernsetting

Das Online-Studium findet im Selbststudium und in Form von Gruppenarbeit statt. Für das Selbststudium steht ein ausführliches Skript zur Verfügung. Die zentralen Inhalte und zugehörige Beispiele werden zudem in kurzen Videos erläutert. Das lesefreundliche Skript ist nach dem didaktischen Konzept der Universität Ulm für berufsbegleitende Studierende aufbereitet.

Um die vermittelten Inhalte zu festigen, werden in regelmäßigen Abständen Übungsblätter veröffentlicht, deren Lösungen von den Studierenden und dem Mentor gemeinsam zu den Präsenzterminen vorgestellt werden.

Der Mentor des Moduls wird in regelmäßigen Abständen Online-Sprechstunden anbieten, die die Studierenden bei der Bearbeitung des Lernstoffs unterstützen. Außerdem steht ein weiteres Forum für den Austausch der Studierenden untereinander bereit.

Voraussetzungen

Erfolgreiches Absolvieren des Moduls Grundlagen der Stochastik (GSt)

Technische Voraussetzungen für die E-Learning-Lerneinheiten

Mindestens erforderlich sind:

  • Ein auf Windows 7 oder neuer, Linux oder OS X 10.9 basierender Desktop-Rechner oder Notebook
  • Aktuelle Version von Mozilla Firefox, Google Chrome, Safari oder Internet Explorer (11 oder neuer)
  • Aktuelle Version des Adobe Flash Plugin im Browser (lediglich für Online-Sprechstunde bzw. Online-Webinar benötigt)
  • Internet-Zugang via xDSL, Cable, LTE oder besser mit mindestens 2 Mbit/s in Downstream- und 192 kbit/s in Upstream-Richtung ("DSL 2000")

Empfohlen wird:

  • Ein auf Windows 7 oder neuer, Linux oder OS X 10.9 basierender Desktop-Rechner oder Notebook, Dual-Core oder mehr, 2 GHz oder mehr
  • Aktuelle Version von Mozilla Firefox, Google Chrome, Safari, IE 11 (oder neuer)
  • Aktuelle Version des Adobe Flash Plugin im Browser (lediglich für Online-Sprechstunde bzw. Online-Webinar benötigt)
  • Internet-Zugang via xDSL, Cable, LTE oder besser mit mindestens 6 Mbit/s in Downstream- und 576 kbit/s in Upstream-Richtung ("DSL 6000")

Leistungsnachweise

Für die Zulassung zur Modulprüfung (Klausur/mündl. Prüfung) sind folgende Voraussetzungen zu erfüllen:

  • Teilnahme an mindestens 3 Präsenzübungen
  • Bearbeitung und Abgabe von als verpflichtend angegebenen Übungsaufgaben

In Härtefällen kann ein formloser Antrag auf Zulassung zur Prüfung bei den Modulverantwortlichen gestellt werden.

Bei Krankheit ist den Modulverantwortlichen ein ärztliches Attest vorzulegen.

Zertifizierung

Bei erfolgreichem Abschluss des Moduls erhalten die Studierenden ein Zertifikat sowie ein Supplement, das die Inhalte des Moduls als Übersicht auflistet. Im Supplement bestätigen die Modulverantwortlichen das Äquivalent von 6 Leistungspunkten nach ECTS.

Dozenten

Prof. Dr. Jan Beyersmann
Professor im Institut für Statistik

Dr. Hartmut Lanzinger
Studienkommission Mathematische Studiengänge

Mentor

Jan Feifel
Wissenschaftlicher Mitarbeiter im Institut für Statistik

  

Zum Wintersemester 2016/17 sind alle Plätze belegt.

    Gefördert von: