Lehrinhalte |
Mathematische Statistik II: Fortgeschrittene Konzepte und Verfahren der induktiven Statistik, insbesondere
Konfidenzintervalle, Testen von Hypothesen
(Wald-Test, Score-Test, usw.), Effizienz, Konvergenzbegriffe, Anwendungen der Zentralwertsätze, Parametrische Delta-Methode, EM-Algorithmus
Nichtparametrische Verfahren: Schätzung von Verteilungsfunktion und Dichte, sowie Funktionalen wie Mittelwert, Varianz, Schiefe, Quantile, Korrelation usw.
Jackknife und Bootstrap .
Multivariate Verfahren II: Verallgemeinerte lineare Modelle mit stetiger, binärer oder binomialer Zielvariablen Log-lineare Modelle, Diskriminanzanalyse und Clusteranalyse
Einführung in die Bayes-Statistik: Bayesianische Modellierung und Priori-Verteilungen; konjugierte Bayes-Analyse; MCMC-Verfahren; Bayes-Analyse für das Lineare Regressionsmodell, verallgemeinerte lineare Modelle; Modelle mit zufälligen Effekten und Mischungsmodelle ; Bayesianische Variablenselektion
Stochastische Prozesse und Zeitreihenmodellierung Wesentliche Konzepte von zeitdiskreten und zeitstetigen stochastische Prozessen;
Markov Ketten, Punktprozesse, Geburts-Todes-Prozesse, Poisson Prozess; ARMA- und ARIMA-Prozesse Grundlagen der multivariaten Zeitreihenmodellierung (VAR-Modelle)
|