|
Detailinformationen |
Anmeldevoraussetzungen |
keine
|
Quellcurriculum |
Masterstudium Statistik 2013W |
Ziele |
- Einen Überblick über die wichtigsten Verfahren des verallgemeinerten linearen Modells gewinnen. - Richtiges Modellieren lernen. - Erste Ansätze zur Datenanalyse.
|
Lehrinhalte |
1) Kontingenztafeln – das loglineare Modell - zweidimensionale Modelle (Erhebungsschemata, das loglineare Unabhängigkeitsmodell – Vergleich mit Varianzanalyse) - dreidimensionale Modelle (zulässige Modelle – Modellhierarchie, Erhebungsschemata) - Loglineares Modell als Spezialfall des GLM - Parameterschätzung und Modellanpassung (ML- und direkte Methoden, Anpassungstests, Submodelle gegeneinander testen, Modellsuche, simultane Tests von Modellen k-ter Ordnung) 2) Faktorenanalyse (Modell, Grundgleichung, Schätzaufgabe, ML-Faktorenanalyse, Hauptkomponentenmethode, Hauptfaktorenanalyse, Faktorentransformation) 3) Diskriminanzanalyse - der entscheidungstheoretische Ansatz (a-priori-, a-posteriori-Wahrscheinlichkeiten, Fehlklassifikationswahrscheinlichkeiten, Bayes- und ML-Entscheidungsregel, Kostenoptimale Entscheidungsregel, Diskriminanzfunktion, geschätzte Enscheidungsregeln) - Spezialfälle (normalverteilte Merkmale – klassische Diskriminanzanalyse, verteilungsfreier Ansatz von Fisher) 4) Clusteranalyse - Ähnlichkeits- Distanzmaße, Metriken (Definitionen, Beispiele) - Hierarchische Verfahren (Hierarchie, agglomerative und divisive Verfahren mit Beispielen)
|
Beurteilungskriterien |
Übungsbeispiele und schriftliche Prüfung
|
Lehrmethoden |
Theorie wird in Vorlesungsform präsentiert. Übungsaufgaben sind durch Studierende auszuarbeiten und zu präsentieren.
|
Abhaltungssprache |
Deutsch |
Literatur |
Fahrmeir L., Hamerle A., Tutz G.; "Multivariate Statistische Verfahren", Walter de Gruyter, 1996
Skriptum
Folien zur Vorlesung
|
Lehrinhalte wechselnd? |
Nein |
|