[ 4MSCVDPR ] PR Computerintensive Verfahren in der Datenanalyse
|
|
|
| Es ist eine neuere Version 2021W dieser LV im Curriculum Masterstudium Statistics 2023W vorhanden. |
|
 |
| Workload |
Ausbildungslevel |
Studienfachbereich |
VerantwortlicheR |
Semesterstunden |
Anbietende Uni |
| 6 ECTS |
M2 - Master 2. Jahr |
Statistik |
Bettina Grün |
2 SSt |
Johannes Kepler Universität Linz |
|
|
|
| Detailinformationen |
| Anmeldevoraussetzungen |
keine
|
| Quellcurriculum |
Masterstudium Statistik 2013S |
| Ziele |
Teilgebiete der computationalen Statistik verstehen und richtig anwenden können, selbständige Implementierung und Anwendung ausgewählter Methoden
|
| Lehrinhalte |
Verfahren der nichtlinearen Optimierung, EM Algorithmus,
Pseudozufallszahlengenerierung, MCMC Methoden, Jackknife und Bootstrap,
Numerische Integration
|
| Beurteilungskriterien |
Schriftliche Projektausarbeitung
|
| Lehrmethoden |
Vortrag durch Lehrende/n; Diskussion der Projekte, deren Lösung von den Studierenden in einem Bericht präsentiert wird; Eigenständiges Entwickeln und Anwenden von computationalen statistischen Methoden
|
| Abhaltungssprache |
Deutsch |
| Literatur |
Folien
Ergänzungsliteratur wird in jedem Semester bekannt gegeben.
|
| Lehrinhalte wechselnd? |
Nein |
|
|
|
| Präsenzlehrveranstaltung |
| Teilungsziffer |
20 |
| Zuteilungsverfahren |
Zuteilung nach Vorrangzahl |
|
