040690 UK Erweiterungen des Linearen Modells (UK) (2023S)
Prüfungsimmanente Lehrveranstaltung
Labels
Zusammenfassung
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 13.02.2023 09:00 bis Mi 22.02.2023 12:00
- Abmeldung bis Fr 17.03.2023 23:59
An/Abmeldeinformationen sind bei der jeweiligen Gruppe verfügbar.
Gruppen
Gruppe 1
max. 35 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Donnerstag 02.03. 16:45 - 18:15 Hörsaal 5 Oskar-Morgenstern-Platz 1 Erdgeschoß
- Donnerstag 09.03. 16:45 - 18:15 Hörsaal 5 Oskar-Morgenstern-Platz 1 Erdgeschoß
- Donnerstag 16.03. 16:45 - 18:15 Hörsaal 5 Oskar-Morgenstern-Platz 1 Erdgeschoß
- Donnerstag 23.03. 16:45 - 18:15 Hörsaal 5 Oskar-Morgenstern-Platz 1 Erdgeschoß
- Donnerstag 30.03. 16:45 - 18:15 Hörsaal 5 Oskar-Morgenstern-Platz 1 Erdgeschoß
- Donnerstag 20.04. 16:45 - 18:15 Hörsaal 5 Oskar-Morgenstern-Platz 1 Erdgeschoß
- Donnerstag 27.04. 16:45 - 18:15 Hörsaal 5 Oskar-Morgenstern-Platz 1 Erdgeschoß
- Donnerstag 04.05. 16:45 - 18:15 Hörsaal 5 Oskar-Morgenstern-Platz 1 Erdgeschoß
- Donnerstag 11.05. 16:45 - 18:15 Hörsaal 5 Oskar-Morgenstern-Platz 1 Erdgeschoß
- Donnerstag 25.05. 16:45 - 18:15 Hörsaal 5 Oskar-Morgenstern-Platz 1 Erdgeschoß
- Donnerstag 01.06. 16:45 - 18:15 Hörsaal 5 Oskar-Morgenstern-Platz 1 Erdgeschoß
- Donnerstag 15.06. 16:45 - 18:15 Hörsaal 5 Oskar-Morgenstern-Platz 1 Erdgeschoß
- Donnerstag 22.06. 16:45 - 18:15 Hörsaal 5 Oskar-Morgenstern-Platz 1 Erdgeschoß
- Mittwoch 28.06. 15:00 - 16:30 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
Ziele, Inhalte und Methode der Lehrveranstaltung
Gruppe 2
max. 35 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Donnerstag 02.03. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
- Donnerstag 09.03. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
- Donnerstag 16.03. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
- Donnerstag 23.03. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
- Donnerstag 30.03. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
- Donnerstag 20.04. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
- Donnerstag 27.04. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
- Donnerstag 04.05. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
- Donnerstag 11.05. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
- Donnerstag 25.05. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
- Donnerstag 01.06. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
- Donnerstag 15.06. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
- Donnerstag 22.06. 15:00 - 16:30 Hörsaal 7 Oskar-Morgenstern-Platz 1 1.Stock
- Mittwoch 28.06. 15:00 - 16:30 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß
Ziele, Inhalte und Methode der Lehrveranstaltung
Ziele:
Praxisnahe Vermittlung von fortgeschrittenen Methoden der angewandten Statistik, insbesondere von verschiedenen Regressionsmodellen. Vermitteln eines Grundverständnisses für die statistische Modellierung. Durchführung von praxisorientierten Datenanalysen mittels R.Inhalte:
1. Verallgemeinerte lineare Modelle; Modelle für stetige und binomiale Zielvariablen, Zähldaten.
2. Lineare und verallgemeinerte lineare gemischte Modelle.
3. Nicht-parametrische Regression.Methoden:
Vorlesung mit kombinierter Übung.
Vorlesungsskript und Daten werden zur Verfügung gestellt.
Studierende müssen in statistischer Software am eigenen Rechner programmieren.
Praxisnahe Vermittlung von fortgeschrittenen Methoden der angewandten Statistik, insbesondere von verschiedenen Regressionsmodellen. Vermitteln eines Grundverständnisses für die statistische Modellierung. Durchführung von praxisorientierten Datenanalysen mittels R.Inhalte:
1. Verallgemeinerte lineare Modelle; Modelle für stetige und binomiale Zielvariablen, Zähldaten.
2. Lineare und verallgemeinerte lineare gemischte Modelle.
3. Nicht-parametrische Regression.Methoden:
Vorlesung mit kombinierter Übung.
Vorlesungsskript und Daten werden zur Verfügung gestellt.
Studierende müssen in statistischer Software am eigenen Rechner programmieren.
Information
Art der Leistungskontrolle und erlaubte Hilfsmittel
Es gibt zwei Hausarbeiten: eine zum Thema 1 und eine zu den Themen 2 und 3. Die Bearbeitungszeit der Hausarbeiten ist 1 Woche. Die erste Hausarbeit wird am 20.04.2023 vergeben, die zweite am 15.06.2023.
Zusätzlich, wird es eine schriftliche Prüfung in Präsenz zu den theoretischen Inhalten am 28.06.2023 um 15.00 im HS4 geben.
Zusätzlich, wird es eine schriftliche Prüfung in Präsenz zu den theoretischen Inhalten am 28.06.2023 um 15.00 im HS4 geben.
Mindestanforderungen und Beurteilungsmaßstab
Die maximale Anzahl der Punkte:
40 Punkte Schriftliche Prüfung
30 Punkte Hausarbeit zum Thema 1
30 Punkte Hausarbeit zu den Themen 2 und 3
Die Note ermittelt sich nach dem Schema: 4 ab 50 Punkten, 3 ab 63 Punkten, 2 ab 75 Punkten, 1 ab 87 Punkten.
40 Punkte Schriftliche Prüfung
30 Punkte Hausarbeit zum Thema 1
30 Punkte Hausarbeit zu den Themen 2 und 3
Die Note ermittelt sich nach dem Schema: 4 ab 50 Punkten, 3 ab 63 Punkten, 2 ab 75 Punkten, 1 ab 87 Punkten.
Prüfungsstoff
Inhalte der behandelten Themen.
Literatur
Dobson, A.J. (2001) An introduction to generalised linear models
Fahrmeir, L., Kneib, T., Lang, S. (2007) Regression: Modelle, Methoden und Anwednungen
Nelder, J.A, McCullagh, P. (1989) Generalised linear models
Fahrmeir, L., Kneib, T., Lang, S. (2007) Regression: Modelle, Methoden und Anwednungen
Nelder, J.A, McCullagh, P. (1989) Generalised linear models
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Di 14.03.2023 11:28
Praxisnahe Vermittlung von fortgeschrittenen Methoden der angewandten Statistik, insbesondere von verschiedenen Regressionsmodellen. Vermitteln eines Grundverständnisses für die statistische Modellierung. Durchführung von praxisorientierten Datenanalysen mittels R.Inhalte:
1. Verallgemeinerte lineare Modelle; Modelle für stetige und binomiale Zielvariablen, Zähldaten.
2. Lineare und verallgemeinerte lineare gemischte Modelle.
3. Nicht-parametrische Regression.Methoden:
Vorlesung mit kombinierter Übung.
Vorlesungsskript und Daten werden zur Verfügung gestellt.
Studierende müssen in statistischer Software am eigenen Rechner programmieren.