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, 27. April 2019, 09:00 - 17:00 Uhr
  • Freitag, 14. Juni 2019, 09:00 - 17:00 Uhr
  • Freitag, 19. Juli 2019, 09:00 - 17:00 Uhr
Prüfungstermine:
  • werden noch 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

Voraussetzung ist ein erster Hochschulabschluss.

Inhaltlich: Erfolgreiches Absolvieren des Moduls Grundlagen der Stochastik (GSt)

Technische Voraussetzungen für die E-Learning-Lerneinheiten

Empfohlen wird:

  • Ein Desktop-Rechner oder ein Notebook mit einer aktuellen, d.h. vom jeweiligen Hersteller unterstützten Version von Microsoft Windows, Apple macOS oder Linux
  • Ein Headset
  • Die aktuelle Version von Mozilla Firefox, Google Chrome, Apple Safari oder Microsoft Edge
  • Internet-Zugang (z.B. über xDSL, Cable, LTE, 5G) mit mindestens 3 Mbit/s in Downstream- und 384 kbit/s in Upstream-Richtung ("DSL 3000").

Bitte zögern Sie nicht, uns bei Fragen zu den technischen Anforderungen zu kontaktieren.

Leistungsnachweise

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

  • Teilnahme an mindestens 2 Präsenzterminen
  • 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.

Gebühren und Entgelte

Die Studiengebühren der Module für immatrikulierte Studierende bzw. die Teilnahmeentgelte für die Belegung von Einzelmodulen im Kontaktstudium finden Sie auf der Seite zur Modulübersicht.

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

  

    Gefördert von: