 |
| Detailinformationen |
| Anmeldevoraussetzungen |
keine
|
| Quellcurriculum |
Bachelorstudium Statistik und Data Science 2025W |
| Lernergebnisse |
Kompetenzen |
| Die Studierenden können Zeitreihen mit Standardmodellen wie ARMA, ARIMA und GARCH-Modellen analysieren, die Ergebnisse korrekt interpretieren und angepasste Modelle überprüfen.
|
|
| Fertigkeiten |
Kenntnisse |
- Kennen und Verstehen der grundlegenden Problemstellungen, Begriffe und Methoden der Zeitreihenanalyse (k1,k2)
- Anwenden und kritisches Bewerten verschiedener Verfahren zur Zeitreihenanalyse (k3,k4,k5)
- Anwenden von Methoden zur Analyse von Zeitreihen mit der Statistik-Software R (k3)
- Implementieren und Durchführen von Simulationsstudien für Modelle für Zeitreihen (k2,k3)
|
- Grundbegriffe und beschreibende Verfahren der Zeitreihenanalyse
- Exponentielles Glätten
- ARMA Modelle für stationäre Zeitreihen
- ARIMA Modelle und Unit Root Tests
- Modellierung der Volatilität mit ARCH und GARCH-Modelle
- Analyse von Zeitreihen mit der Statistik-Software R
|
|
| Beurteilungskriterien |
Klausur
Projekt
|
| Lehrmethoden |
Vortrag durch Lehrende/n
praktische Analyse von Zeitreihen am Computer
|
| Abhaltungssprache |
Deutsch |
| Literatur |
Cowpertwait, Paul S. P. and Metcalfe, Andrew V. (2009)
Introductory time series with R
Vogel, Jürgen (2015). Prognose von Zeitreihen
|
| Lehrinhalte wechselnd? |
Nein |
| Frühere Varianten |
Decken ebenfalls die Anforderungen des Curriculums ab (von - bis)
4MSZRKV: KV Zeitreihenanalyse (Statistik) (2011S-2014S)
|
|
