 |
| Detailinformationen |
| Anmeldevoraussetzungen |
keine
|
| Quellcurriculum |
Bachelorstudium Statistik und Data Science 2025W |
| Lernergebnisse |
Kompetenzen |
| Studierende können Regressionsanalysen für nicht-normalverteilte Zielvariable, insbesondere binäre, ordinale und multinomiale logistische Regression und Regression für Zähldaten durchführen, die Ergebnisse korrekt interpretieren und angepasste Modelle überprüfen.
|
|
| Fertigkeiten |
Kenntnisse |
- Kennen und Verstehen der grundlegenden Problemstellungen, Begriffe und Methoden der Regressionsanalyse von nicht-normalverteilten Zielvariablen (k1,k2)
- Anwenden und kritisches Bewerten der Resultate von Regressionsmodellen für nicht-normalverteilte Zielvariable (k3,k4,k5)
- Anpassung, Modelwahl und Residualanalyse von Regressionsmodellen für nicht-normalverteilte Zielvariable mit der Statistik-Software R (k3)
- Implementieren und Durchführen von Simulationsstudien für verallgemeinerte lineare Modelle (k2,k3)
|
- Probleme der Analyse nichtnormalverteilter Zielvariable mit linearer Regression
- Regressionsanalyse von binären Zielvariablen (Logit- und Probitmodell)
- Poisson Regression
- Regressionsanalyse von positiv stetigen Zielvariablen
- Modellannahmen und statistische Inferenz für Verallgemeinerten Linearen Modelle
- Regressionsanalyse von ordinalen und multinomialen Zielvariablen
- Repräsentation von binären, ordinalen und multinomialen Regressionsmodellen durch latente Utilities
- Modellwahl und Residualanalyse für verallgemeinerte lineare Modelle
- Praktische Durchführung der Analyse mit verallgemeinerten linearen Modellen in R
|
|
| Beurteilungskriterien |
Hausübung und schriftliche Abschlussprüfung
|
| Lehrmethoden |
Vortrag
Besprechung der von Studierenden ausgearbeiteten Übungsaufgaben
|
| Abhaltungssprache |
Deutsch |
| Literatur |
Fahrmeir L., Kneib T., Lang S. and Marx B., Regression. Models, Methods and Applications. Springer, 2013
|
| Lehrinhalte wechselnd? |
Nein |
| Äquivalenzen |
ist gemeinsam mit 551STMEMVVK14: KV Multivariate Verfahren (4 ECTS) äquivalent zu
4MSMV1KV: Multivariate Verfahren I (8 ECTS)
|
|
