Funktionale Datenanalyse

+++ Nachklausur: Ergebnisse online.+++

Vorlesung Funktionale Datenanalyse

	Dozent	Prof. Dr. Ulrich Stadtmüller
	Übungsleiterin	Marta Zampiceni

	Vorlesungstyp	2 Stunden Vorlesung, 1 Stunde Übungen (2+1 SWS; 4 ECTS Punkte)

	Ort und Zeit	Vorlesung:
		He18, 1.20, Freitag 08h-10h
		Übungen:
		He18, 2.20, Montag 13h (c.t.) - 14h

	Inhalt	Bei der funktionalen Datenanalyse werden meist diskrete Beobachtungen von (zufälligen) stetigen Kurven, oder Oberflächen erhoben und sollen einer statistischen Analyse zugeführt werden. Ein erstes Ziel ist dann, diese Daten passend darzustellen, um die weitere Analyse zu vereinfachen. Dabei möchte man Strukturen, Variationen etc. erkennen. Ferner werden klassische lineare Modelle mit funktionalen Daten betrachtet. Dabei kommen verschiedene nichtparametrische Verfahren zur Kurvenschätzung zum Einsatz. Vorkenntnisse: WR und Stochastik I (oder vergleichbare Vorlesungen)

	Informationen	Wer bei den Übungen mindestens 50% der möglichen Punkte erreicht, verbessert sein Klausurergebnis um 0,3 (aber nur, wenn die Klausur auch ohne Zusatzpunkte bestanden wurde). Erlaubte Hilfsmitteln für die Klausur: Ein Taschenrechner und ein beidseitig handbeschriebenes DIN-A4-Blatt.

	Material:	Folien: Freitag, 19.04 Skript (Kapiteln I, II und III, aktualisiert am 07.06)


	Übungsblätter	Blatt 1 Blatt 2 (Korrigierte Version: Bei der Aufgabe 2 muss man Y_i, und nicht Y_k, summieren) Blatt 3, datenb3.txt Blatt 4a Vorsicht: Bei der Aufgabe 1 sind die Momente doch nicht wie in der Vorlesung, sondern wie im Skript, definiert. Blatt 4b Blatt 5. Datensatz: sample.dat Kleine Änderung bei Aufgabe 2: der Fehler muss Varainz 0.04 haben. Blatt 6 Blatt 7 Blatt 8 Blatt 9 Blatt 10. Die Abgabe ist freiwillig.

	R-Skripte zu den Blättern	Blatt01.R Blatt02.R Blatt03.R Blatt04.R Blatt05.R Blatt06.R Blatt07.R Blatt08.R Blatt09.R



	Literatur	J.O. Ramsay & B.W. Silverman, Functional Data Analysis, Springer 2005, 2nd Ed. J.O. Ramsay & B.W. Silverman, Applied Functional Data Analysis, Springer 2002 Graves, S.& Hooker, G. & Ramsay, J.O., Functional DataAnalysis with R and MATLAB, Springer 2009 F. Ferraty & P. Vieu, Nonparametric Functional Data Analysis, Springer 2006 Simonoff, J.S., Smoothing Methods in Statistics, Springer 1996 Alle angegebenen Bücher bis auf * befinden sich im Semesterapparat von Prof. Stadtmüller.