Universität Wien

040721 UK Ausgewählte Kapitel der Statistik (2021W)

3.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung
VOR-ORT
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 30 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Donnerstag 07.10. 15:00 - 16:30 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 14.10. 15:00 - 16:30 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 21.10. 15:00 - 16:30 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 28.10. 15:00 - 16:30 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 04.11. 15:00 - 16:30 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 11.11. 15:00 - 16:30 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 18.11. 15:00 - 16:30 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 25.11. 15:00 - 16:30 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 02.12. 15:00 - 16:30 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 09.12. 15:00 - 16:30 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 16.12. 15:00 - 16:30 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 13.01. 15:00 - 16:30 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 20.01. 15:00 - 16:30 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock
  • Donnerstag 27.01. 15:00 - 16:30 Hörsaal 9 Oskar-Morgenstern-Platz 1 1.Stock

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Ziele:
Vermittlung von Konzepten Bayesianischer Statistik: Theoretische Grundlagen, Methodologie und Anwendung.
Befähigung zur Anwendung in computergestützten Verfahren.

Inhalte:
1. Decision Theory (admissibility and optimality, Bayes and minimax decisions)
2. Bayesian Estimation (Bayes formula, Bayes estimators, hierarchical and empirical Bayes methods)
3. Markov Chain Monte Carlo Methods (Slice Sampler, Gibbs Sampler, Metropolis Hastings, monitoring convergence, credible intervals)

Methoden:
Vorlesung und Übung, die vor Ort stattfinden. Es besteht Anwesenheitspflicht in der ersten Einheit und in den Übungen.
Vorlesungsskript, Übungsblätter und Daten werden zur Verfügung gestellt.
Studierende müssen in statistischer Software programmieren.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Es gibt eine mündliche Prüfung und ein Übungsblatt (vergeben am 21.10.2021) zu den Themen 1 und 2.
Zusätzlich gibt es drei Übungsblätter mit Programmieranteil zum Thema 3 (vergeben am 18.11.2021, 02.12.2021, 13.01.2022).
Die Übungsblätter sind nach zwei Wochen abzugeben.

Mindestanforderungen und Beurteilungsmaßstab

40 Punkte für die mündliche Prüfung zu den Themen 1 und 2
10 Punkte für das Übungsblatt zu den Themen 1 und 2
15, 15 und 20 Punkte für die Übungsblätter zum Thema 3

Die Note ermittelt sich nach folgendem Schema: 4 ab 50 Punkten, 3 ab 63 Punkten, 2 ab 75 Punkten, 1 ab 87 Punkten.

Prüfungsstoff

Inhalte der behandelten Themen.

Literatur

Shao, J. (2003): Mathematical Statistics.
Robert, C. P. And Casella, G. (2004): Monte Carlo Statistical Methods.
Hoff, P. D. (2010): A First Course in Bayesian Statistical Methods.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mo 18.10.2021 13:27