Universität Wien

040772 UK Komplexe statistische Methoden (MA) (2023W)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung
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 05.10. 16:45 - 18:15 Hörsaal 12 Oskar-Morgenstern-Platz 1 2.Stock
  • Donnerstag 12.10. 16:45 - 18:15 Hörsaal 12 Oskar-Morgenstern-Platz 1 2.Stock
  • Donnerstag 19.10. 16:45 - 18:15 Hörsaal 12 Oskar-Morgenstern-Platz 1 2.Stock
  • Donnerstag 09.11. 16:45 - 18:15 Hörsaal 12 Oskar-Morgenstern-Platz 1 2.Stock
  • Donnerstag 16.11. 16:45 - 18:15 Hörsaal 12 Oskar-Morgenstern-Platz 1 2.Stock
  • Donnerstag 23.11. 16:45 - 18:15 Hörsaal 12 Oskar-Morgenstern-Platz 1 2.Stock
  • Donnerstag 30.11. 16:45 - 18:15 Hörsaal 12 Oskar-Morgenstern-Platz 1 2.Stock
  • Donnerstag 07.12. 16:45 - 18:15 Hörsaal 12 Oskar-Morgenstern-Platz 1 2.Stock
  • Donnerstag 14.12. 16:45 - 18:15 Hörsaal 12 Oskar-Morgenstern-Platz 1 2.Stock
  • Donnerstag 11.01. 16:45 - 18:15 Hörsaal 12 Oskar-Morgenstern-Platz 1 2.Stock
  • Donnerstag 18.01. 16:45 - 18:15 Hörsaal 12 Oskar-Morgenstern-Platz 1 2.Stock
  • Donnerstag 25.01. 16:45 - 18:15 Hörsaal 4 Oskar-Morgenstern-Platz 1 Erdgeschoß

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Ziele:
Vermittlung von Konzepten der Kerndichteschätzung und nicht-parametrischen Regression: Methodologie, Theorie und Anwendungen.
Befähigung zur Implementierung der Methoden in statistischer Software.

Inhalte:
1. Histograms and kernel density estimators
2. Local polynomial estimators
3. Spline estimators

Methoden:
Vorlesung und Übung, die vor Ort stattfinden.
Vorlesungsskript, Übungsblätter und Daten werden zur Verfügung gestellt.
Studierende müssen in statistischer Software programmieren.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Es gibt eine schriftliche Prüfung zu den theoretischen Inhalten am 25.01.2024 und drei Übungsblätter zu jedem Thema.
Übungsblätter mit den theoretischen und Programmieraufgaben werden am 9.11.2023, 30.11.2023 und 11.01.2024 vergeben und in einer Woche abgegeben und besprochen.

Die Verwendung von KI-Tools (z. B. ChatGPT) für die Produktion von Texten ist nur dann erlaubt, wenn diese von der Lehrveranstaltungsleitung ausdrücklich gefordert werden (z. B. für einzelne Arbeitsaufgaben).

Mindestanforderungen und Beurteilungsmaßstab

40 Punkte schriftliche Prüfung
20 Punkte pro Übungsblatt

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

Tsybakov. A. (2009) Introduction to nonparametric estimation.
Fan, J. and Gijbels, I. (1996) Local polynomial modeling and its applications.
Randall L. Eubank. (1999) Nonparametric regression and spline smoothing.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mi 18.10.2023 12:07